Penerapan Metode Content-Based Filtering pada Sistem Rekomendasi Kursus Pembelajaran Coding

Perkembangan teknologi informasi mendorong meningkatnya jumlah kursus pembelajaran coding yang tersedia pada berbagai platform pembelajaran daring. Banyaknya pilihan kursus sering kali menyulitkan pengguna dalam menentukan kursus yang sesuai dengan kebutuhan. Penelitian ini bertujuan untuk membangun sistem rekomendasi kursus pembelajaran coding berbasis web menggunakan metode Content-Based Filtering. Sistem memanfaatkan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk merepresentasikan kata pada judul kursus dan perhitungan Cosine Similarity untuk menentukan tingkat kemiripan antar kursus. Proses rekomendasi diawali dengan tahap preprocessing yang meliputi case folding, normalisasi kata, cleaning, dan stopwords removal. Selanjutnya, sistem menghitung bobot TF-IDF dan nilai Cosine Similarity untuk menghasilkan daftar rekomendasi yang diurutkan berdasarkan tingkat kemiripan tertinggi. Hasil implementasi menunjukkan bahwa sistem mampu memberikan rekomendasi kursus yang relevan sesuai dengan kata kunci yang dimasukkan pengguna. Berdasarkan pengujian fungsional (Black Box Testing), seluruh fitur sistem telah berjalan sesuai dengan fungsinya. Hasil evaluasi terhadap lima kasus uji menunjukkan nilai Accuracy sebesar 96,00%, Precision sebesar 100,00%, dan Recall sebesar 91,76%. Hasil tersebut menunjukkan bahwa metode Content-Based Filtering dapat diterapkan untuk menghasilkan rekomendasi kursus pembelajaran coding yang relevan berdasarkan kemiripan konten.