IMPLEMENTASI METODE CONTENT BASED FILTERING MENGGUNAKAN SYNOPSIS SIMILARITY UNTUK PEMILIHAN ANIME

Abstract

Penelitian ini bertujuan mengembangkan sistem rekomendasi anime berbasis Content-Based Filtering dengan memanfaatkan kesamaan sinopsis sebagai parameter utama. Latar belakang penelitian didasari oleh keterbatasan sistem rekomendasi yang hanya mengandalkan genre atau popularitas, tanpa mempertimbangkan kesesuaian naratif secara mendalam. Data sinopsis anime genre fantasi diambil dari dataset MyAnimeList dan diproses melalui tahapan text preprocessing, tokenisasi, dan representasi numerik menggunakan metode TF-IDF. Kemudian, kemiripan antar sinopsis dihitung menggunakan Cosine Similarity untuk menghasilkan rekomendasi judul anime yang memiliki kesamaan konteks cerita dengan preferensi pengguna. Hasil sistem menunjukkan keberhasilan dalam merekomendasikan anime yang relevan, termasuk dalam satu waralaba seperti seri "Bleach". Evaluasi menggunakan metrik Mean Average Precision (MAP) menghasilkan skor 0,416667, yang mengindikasikan bahwa sistem mampu menempatkan rekomendasi relevan pada posisi atas daftar. Temuan ini menunjukkan bahwa pendekatan berbasis sinopsis efektif meningkatkan akurasi dan relevansi sistem rekomendasi, serta memberikan pengalaman personalisasi yang lebih mendalam bagi pengguna