<![CDATA[Permasalahan dalam memberikan rekomendasi anime yang tepat kepada pengguna, khususnya pengguna baru, menjadi tantangan bagi platform streaming anime karena minimnya informasi historis. Penelitian ini dilakukan untuk mengembangkan sistem rekomendasi anime yang mampu mengatasi kendala tersebut menggunakan pendekatan content-based filtering. Tujuan utama penelitian ini adalah menghasilkan model rekomendasi yang dapat memberikan saran anime secara akurat berdasarkan kemiripan konten tanpa memerlukan masukan awal dari pengguna baru. Penelitian ini menggunakan pendekatan kuantitatif dengan analisis univariat dan pemanfaatan metode TF-IDF dalam ekstraksi fitur genre dari dataset anime dan rating pengguna. Data diolah melalui tahapan praproses, pembuatan model, dan evaluasi rekomendasi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi top-5 anime yang relevan berdasarkan kesamaan genre dengan tingkat kemiripan yang tinggi, seperti yang ditunjukkan pada hasil rekomendasi terhadap anime Naruto. Temuan ini menegaskan bahwa content-based filtering efektif digunakan untuk menyusun rekomendasi personalisasi bagi pengguna. Implikasi dari penelitian ini memberikan kontribusi nyata dalam pengembangan sistem rekomendasi pada platform streaming dan dapat diperluas pada domain hiburan digital lainnya. ]]>
Copyrights © 2025
