Detail Cantuman

Gelombang Korea (Hallyu) telah memberikan dampak besar pada budaya Indonesia, dengan drama Korea menjadi sangat populer. Seiring dengan meningkatnya jumlah drama yang tersedia, menemukan konten yang sesuai dengan preferensi individu menjadi tantangan. Penelitian ini mengatasi masalah tersebut dengan mengembangkan sistem rekomendasi berbasis konten menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dan Bidirectional Encoder Representations from Transformers (BERT). Penelitian ini mengevaluasi tiga skema rekomendasi: model tiga variabel (genre, aktor, dan penulis), model empat variabel (termasuk sinopsis), dan model hanya sinopsis. Skema-skema ini dibandingkan dengan rekomendasi dari MyDramaList menggunakan Mean Average Precision (MAP) dan Normalized Discounted Cumulative Gain (NDCG). Hasil penelitian menunjukkan bahwa model tiga variabel memiliki performa terbaik, dengan NDCG sebesar 0,89 dan MAP sebesar 0,80. Model empat variabel tidak menunjukkan peningkatan signifikan, sementara model hanya sinopsis memiliki skor terendah. MyDramaList menunjukkan performa yang kuat dengan NDCG sebesar 0,88 dan MAP sebesar 0,74. Penelitian ini menyoroti kebutuhan akan sinopsis yang lebih detail dan komprehensif untuk meningkatkan akurasi rekomendasi. Penelitian selanjutnya sebaiknya fokus pada peningkatan kualitas sinopsis untuk menyelaraskan rekomendasi dengan preferensi pengguna secara lebih baik. Kata kunci: Sistem Rekomendasi, Content-Based Filtering, TF-IDF, BERT