Penerapan TF-RF dan Cosine Similarity Untuk Rekomendasi Kursus Online

Frans Damai Zalukhu; Fajri Profesio Putra

doi:10.33365/jtk.v20i2.2412

Frans Damai Zalukhu Politeknik Negeri Bengkalis, Bengkalis
Fajri Profesio Putra Politeknik Negeri Bengkalis, Bengkalis

DOI: https://doi.org/10.33365/jtk.v20i2.2412

Keywords: Sistem Rekomendasi, Content-Based Filtering, TF-RF, Cosine Similarity, Kursus Online

Abstract

Perkembangan platform e-learning telah meningkatkan jumlah kursus online yang tersedia, tetapi juga menimbulkan masalah information overload dan choice paradox sehingga pengguna kesulitan menemukan kursus yang sesuai dengan minat, kebutuhan, dan tingkat kemampuannya. Penelitian ini bertujuan mengembangkan sistem rekomendasi kursus online berbasis Content-Based Filtering menggunakan metode Term Frequency-Relevance Frequency (TF-RF) dan Cosine Similarity. Dataset yang digunakan terdiri atas 8.423 kursus bidang Teknologi Informasi yang diperoleh dari berbagai platform e-learning. Tahapan penelitian meliputi pembersihan data, preprocessing teks, pelabelan topik, pembobotan TF-RF, penyaringan berdasarkan topik dan tingkat kesulitan, serta perhitungan kemiripan menggunakan Cosine Similarity. Sistem menghasilkan 10 rekomendasi kursus yang paling relevan berdasarkan preferensi pengguna tanpa memerlukan data riwayat interaksi. Hasil Evaluasi menunjukkan nilai rata-rata Precision@10 sebesar 0,8750, Recall@10 sebesar 0,2556, dan F1@10 sebesar 0,3331. Hasil tersebut menunjukkan bahwa kombinasi TF-RF dan Cosine Similarity mampu menghasilkan rekomendasi yang relevan serta membantu pengguna mengurangi beban pencarian informasi pada platform e-learning.

References

K. K. Jena, K. S. Bhoi, K. T. Malik, S. K. Sahoo, S. Bhatia, and F. Amsaad, “E-Learning Course Recommender System Using Collaborative Filtering Models,” Electronics, vol. 12, no. 157, 2023, doi: https://doi.org/10.3390/electronics12010157.

L. R. Meza and G. D. Urso, “Navigating the Paradox of Choice in the Digital Age : A Scoping Review on the Potential Role of Recommender Systems,” World Futures, vol. 81, no. 2, pp. 108–137, 2025, doi: 10.1080/02604027.2024.2424734.

X. Long et al., “The Choice Overload Effect in Online Recommender Systems,” Manuf. Serv. Oper. Manag., vol. 27, no. 1, pp. 249–268, 2025, doi: https://doi.org/10.1287/msom.2022.0659.

S. T. Phalle and S. Bhushan, “Content Based Filtering And Collaborative Filtering: A Comparative Study,” J. Adv. Zool., vol. 45, no. 4, pp. 96–100, 2024, doi: 10.53555/jaz.v45is4.4158.

K. P. Harmandini and K. M. L, “Analysis of TF-IDF and TF-RF Feature Extraction on Product Review Sentiment,” Sinkron, vol. 8, no. 2, pp. 929–937, 2024, doi: 10.33395/sinkron.v8i2.13376.

A. Apriani, H. Zakiyudin, and K. Marzuki, “Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus Swasta,” J. Bumigora Inf. Technol., vol. 3, no. 1, pp. 19–27, 2021, doi: 10.30812/bite.v3i1.1110.

S. Oyadila, D. Abdullah, and A. Razi, “Implementasi Content-Based Filtering Dengan Tf-Idf Dan Cosine Similarity Untuk Sistem Rekomendasi Destinasi Wisata Di Aceh Tengah,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1329–1339, 2025, doi: 10.36341/rabit.v10i2.6532.

T. Wahyu Intan Permadani, D. Adi Prasetya, E. Daniati, and P. Korespondens, “Sistem Rekomendasi Film Berdasarkan Genre Menggunakan Metode Content-Based Filtering dengan Algoritma Cosine Similarity,” Pros. SEMNAS INOTEK (Seminar Nas. Inov. Teknol., vol. 9, no. 3, pp. 1835–1843, 2025, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/7189

S. Rahmadhani, L. Hakim, G. Hendra Wibowo, S. Purnama Kristanto, and E. Mistiko Rini, “SISTEM REKOMENDASI PENELUSURAN BUKU BERBASIS CONTENT-BASED FILTERING DENGAN PEMBOBOTAN TF-RF,” JIP (Jurnal Inform. Polinema), vol. 10, no. 4, pp. 491–500, 2024.

C. Li, W. Li, Z. Tang, S. Li, and H. Xiang, “An improved term weighting method based on relevance frequency for text classification,” Soft Comput., vol. 5, 2022, doi: 10.1007/s00500-022-07597-5.

M. A. Khder, “Web scraping or web crawling: State of art, techniques, approaches and application,” Int. J. Adv. Soft Comput. its Appl., vol. 13, no. 3, pp. 144–168, 2021, doi: 10.15849/ijasca.211128.11.

M. Siino, I. Tinnirello, and M. La Cascia, “Is text preprocessing still worth the time ? A comparative survey on the influence of popular preprocessing methods on Transformers and traditional classifiers,” Inf. Syst., vol. 121, no. March 2023, p. 102342, 2024, doi: 10.1016/j.is.2023.102342.

I. K. W. Dananjaya, I. G. Ayu, and A. Diatri, “Perbandingan Metode Pembobotan TF-RF Dan TF-ABS Pada Kategorisasi Berita Di BDI Denpasar,” SINTECH, vol. 6, no. 1, pp. 16–25, 2023, doi: https://doi.org/10.31598.

S. C. Mana and T. Sasipraba, “Research on cosine similarity and pearson correlation based recommendation models,” J. Phys. Conf. Ser., vol. 1770, no. 1, 2021, doi: 10.1088/1742-6596/1770/1/012014.

Y. Zhou, G. F. Ma, X. Wen, X. H. Yang, and Y. C. Zhang, “Sequential recommender systems: A methodological taxonomy and research frontiers,” Comput. Sci. Rev., vol. 59, no. August 2025, p. 100818, 2026, doi: 10.1016/j.cosrev.2025.100818.