Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal ILKOMNIKA: Journal of Computer Science and Applied Informatics
Ashabul, Ashabul
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Text Mining menggunakan Metode TF-IDF untuk Menentukan Genre Film Ma’Arif, Andi Anugrah; Hamud, Chalifahdien; Zulkaidah, Jumain; Ashabul, Ashabul; Saputra, Reksa Leo; Alimuddin, Muhammad Faiz
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.734

Abstract

Klasifikasi genre film berdasarkan sinopsis merupakan tantangan dalam bidang text mining karena kompleksitas bahasa dan ambiguitas teks. Penelitian ini mengembangkan sistem klasifikasi genre film menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) berbasis pencocokan kata kunci untuk mengidentifikasi 5 genre utama: horor, komedi, drama, aksi, dan romansa. Data penelitian terdiri dari 500 sinopsis film yang dikumpulkan dari IMDb dan TMDb pada periode Januari-Maret 2024. Metode TF-IDF diterapkan dengan tahapan preprocessing meliputi tokenisasi, penghapusan stopword, dan stemming untuk mengekstraksi fitur penting dari sinopsis film. Sistem klasifikasi berbasis aturan (rule-based) menggunakan 40 kata kunci yang telah ditentukan untuk setiap genre. Hasil evaluasi menunjukkan akurasi klasifikasi sebesar 78,5% dengan presisi tertinggi pada genre horor (85,2%) dan terendah pada genre drama (72,1%). Kontribusi utama penelitian ini adalah implementasi metode TF-IDF yang efisien untuk klasifikasi genre film dengan pendekatan berbasis kata kunci, memberikan alternatif solusi praktis untuk sistem rekomendasi film. Sistem yang dikembangkan dapat membantu platform streaming dalam mengkategorikan konten secara otomatis dan meningkatkan pengalaman pengguna dalam pencarian film berdasarkan preferensi genre.
Co-Authors Alimuddin, Muhammad Faiz Hamud, Chalifahdien Ma’Arif, Andi Anugrah Saputra, Reksa Leo Zulkaidah, Jumain