SISTEM REKOMENDASI ANIME BERDASARKAN GENRE MENGGUNAKAN CONTENT-BASED FILTERING DENGAN TF IDF DAN LLM

• ABDUL GONI
• ARYA NIBRAS NAYOTTAMA SIDIKI
• 2025

---

Pertumbuhan industri anime secara global, termasuk di Indonesia, menciptakan tantangan dalam menemukan tontonan yang sesuai preferensi pengguna akibat banyaknya pilihan yang tersedia. Penelitian ini mengembangkan sistem rekomendasi anime berbasis content-based filtering yang memanfaatkan fitur genre serta teknik TF IDF dan cosine similarity untuk mengukur kemiripan antar konten. Sistem juga mengintegrasikan jumlah anggota (members) sebagai pembobot tambahan guna meningkatkan relevansi hasil rekomendasi. Dua mode input disediakan: preferensi genre dan judul anime, dengan pemrosesan bahasa alami pada mode kedua menggunakan Large Language Model (LLM). Penelitian menggunakan eksperimen kuantitatif berbasis simulasi dengan dua variabel independen: pembobotan members dan mode input. Evaluasi dilakukan terhadap 30 anime menggunakan metrik Precision@10, Recall@10, F1-Score, dan NDCG@10. Hasil menunjukkan Precision@10 sempurna (1.0000) dan NDCG@10 di atas 0.94, dengan waktu respons di bawah 2 detik. Namun, Recall@10 dan F1-Score masih rendah (~0.00345), menandakan terbatasnya cakupan item relevan. Sistem menunjukkan fleksibilitas tinggi dalam menangani input deskriptif dengan akurasi judul 100% dan interpretasi LLM sebesar 92,5%.

• Anime
• Content-Based Filtering
• Cosine Similarity
• LLM
• Sistem Rekomendasi
• Tf-Idf.

https://repository.bsi.ac.id/repo/69993/SISTEM-REKOMENDASI-ANIME-BERDASARKAN-GENRE-MENGGUNAKAN-CONTENT-BASED-FILTERING-DENGAN-TF-IDF-DAN-LLM
File full-text dikunci.