<![CDATA[Portal berita digital saat ini menghadapi tantangan dalam menyajikan artikel yang sesuai dengan minat pengguna, seiring bertambahnya jumlah artikel yang terbit setiap harinya. Sebagian besar portal berita masih menampilkan artikel berdasarkan tingkat popularitas atau urutan waktu publikasi, sehingga rekomendasi yang dihasilkan belum mencerminkan preferensi individual masing-masing pembaca. Penelitian ini bertujuan membangun sistem rekomendasi artikel berita pada portal Media Jelajah Nusantara melalui penerapan metode Content-Based Filtering yang dipadukan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan perhitungan Cosine Similarity. Analisis kebutuhan sistem ditempuh menggunakan pendekatan kualitatif deskriptif. Profil minat pengguna disusun berdasarkan riwayat interaksi terhadap artikel, kemudian dijadikan acuan dalam menghasilkan rekomendasi berdasarkan tingkat kemiripan antara profil pengguna dan konten artikel. Performa sistem diukur menggunakan metrik Precision@10, Recall@10, F1-Score, Mean Average Precision (MAP), dan Normalized Discounted Cumulative Gain (NDCG@10). Hasil evaluasi menunjukkan bahwa Content-Based Filtering memperoleh Precision@10 sebesar 0,1250, Recall@10 sebesar 0,0286, F1-Score sebesar 0,0462, MAP sebesar 0,0151, dan NDCG@10 sebesar 0,1373, sementara metode Popularitas (Baseline) memperoleh nilai yang lebih tinggi pada seluruh metrik dalam dataset dan skenario pengujian yang digunakan, sehingga hasil ini perlu dipandang sebagai temuan empiris pada konteks pengujian tersebut, bukan sebagai bukti keunggulan mutlak salah satu metode. Kebaruan penelitian terletak pada integrasi pembentukan profil minat dari data operasional Media Jelajah Nusantara, mekanisme rekomendasi berbasis konten, serta evaluasi komparatif terhadap metode Popularitas dalam satu aplikasi yang sama. Temuan ini menegaskan bahwa Content-Based Filtering dapat diterapkan untuk menghasilkan rekomendasi personal berdasarkan profil minat pengguna, meskipun performa evaluasinya tetap dipengaruhi oleh karakteristik data serta mekanisme pembentukan profil yang digunakan.]]>
