SISTEM REKOMENDASI PRODUK HUKUM MENGGUNAKAN METODE CONTENT BASED FILTERING PADA BAPAS SURAKARTA

Balai Pemasyarakatan (BAPAS) Kelas I Surakarta menyediakan berbagai dokumen produk hukum melalui portal SIBARATA. Bertambahnya jumlah dokumen hukum serta belum tersedianya fitur rekomendasi menyebabkan pengguna harus menelusuri daftar atau kategori dan memeriksa dokumen satu per satu untuk menemukan informasi yang sesuai. Kondisi tersebut membuat proses pencarian dokumen menjadi kurang cepat dan efisien, terutama karena dokumen hukum memiliki struktur bahasa formal dan istilah khusus. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem rekomendasi produk hukum yang mampu memberikan rekomendasi dokumen berdasarkan tingkat kemiripan kontennya.Penelitian ini menerapkan metode Content-Based Filtering dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dan pengukuran kemiripan menggunakan Cosine Similarity. Data penelitian terdiri atas 162 dokumen produk hukum yang diperoleh dari portal SIBARATA, sedangkan kebutuhan sistem dikumpulkan melalui observasi, wawancara, dan studi pustaka. Tahapan penelitian meliputi pengumpulan data, pembentukan query, proses preprocessing berupa case folding, tokenisasi, penghapusan tanda baca, dan stopword removal, ekstraksi fitur menggunakan TF-IDF, perhitungan kemiripan menggunakan Cosine Similarity, serta pemeringkatan lima dokumen dengan nilai kemiripan tertinggi.Hasil penelitian berupa sistem rekomendasi produk hukum yang menyediakan halaman beranda, daftar dokumen hukum, pencarian rekomendasi, login administrator, serta dashboard pengelolaan dokumen. Pengujian menggunakan query “Peraturan Tahun 2025” menghasilkan nilai similarity tertinggi sebesar 0,5713 pada dokumen Peraturan Menteri Imigrasi dan Pemasyarakatan Nomor 7 Tahun 2025. Pengujian fungsional menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi utama sistem berhasil berjalan sesuai dengan rancangan. Sementara itu, pengujian terhadap sepuluh query memperoleh rata-rata precision sebesar 87,5% dan recall sebesar 84%. Hasil tersebut menunjukkan bahwa penerapan Content-Based Filtering berbasis TF-IDF dan Cosine Similarity mampu memberikan rekomendasi dokumen hukum yang relevan serta membantu pengguna menemukan produk hukum secara lebih cepat, terstruktur, dan efisien.