Penerapan Metode Content-Based Filtering Berdasarkan TF-IDF Dan Cosine Similarity dalam Sistem Rekomendasi Lagu

Abstract

Sistem rekomendasi lagu bertujuan untuk membantu pengguna dalam menemukan lagu yang sesuai dengan preferensinya berdasarkan kemiripan karakteristik lagu. Penelitian ini mengembangkan sistem rekomendasi lagu menggunakan metode Content-Based Filtering (CBF) dengan pendekatan Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Variabel yang digunakan dalam sistem rekomendasi ini antara lain judul lagu, nama artis, dan mood lagu. Metode TF-IDF digunakan untuk melakukan pembobotan kata dan mengubah teks menjadi vektor numerik, sedangkan Cosine Similarity digunakan untuk mengukur tingkat kemiripan antara lagu yang dicari dengan lagu yang terdapat di dalam database. Sistem menampilkan lima rekomendasi lagu dengan nilai kemiripan tertinggi dan dilengkapi dengan tautan pemutaran lagu ke platform streaming, sehingga memudahkan pengguna untuk mendengarkan lagu yang direkomendasikan. Evaluasi terhadap sistem dilakukan dengan mengukur skor relevansi terhadap hasil rekomendasi. Berdasarkan pengujian terhadap 20 sampel kata kunci pencarian, sistem rekomendasi mencapai skor relevansi sebesar 96% untuk fitur judul, 80% untuk fitur artis, 100% untuk fitur mood, dan 84% untuk fitur all. Hasil tersebut menunjukkan bahwa metode Content-Based Filtering dengan pendekatan TF-IDF dan Cosine Similarity dapat diterapkan secara efektif dalam sistem rekomendasi lagu.