Sistem Rekomendasi Perencanaan Konten Media Sosial Berdasarkan Tren Online Menggunakan Cosine Similarity

Ramadhani, Hafiidh Yupiza (2026) Sistem Rekomendasi Perencanaan Konten Media Sosial Berdasarkan Tren Online Menggunakan Cosine Similarity. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text 2218018_COVER (2).pdf Download (661kB)
	Text 2218018_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (248kB)
	Text 2218018_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (516kB) | Request a copy
	Text 2218018_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB) | Request a copy
	Text 2218018_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (5MB) | Request a copy
	Text 2218018_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (247kB) | Request a copy
	Text 2218018_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (200kB)
	Text 2218018-LAMPIRAN.pdf Download (5MB)

Abstract

Perencanaan konten media sosial yang relevan dengan perkembangan tren online menjadi tantangan akibat perubahan minat pengguna yang berlangsung secara dinamis serta tingginya volume informasi pada berbagai platform digital. Penelitian ini bertujuan mengembangkan sistem rekomendasi perencanaan konten media sosial berdasarkan analisis tren online menggunakan metode Cosine Similarity untuk membantu pengguna menentukan ide dan strategi konten yang sesuai. Data yang digunakan meliputi dataset konten media sosial dan data Google Trends yang diproses melalui tahapan preprocessing berupa case folding, cleaning, tokenization, normalization, stopword removal. Selanjutnya, teks direpresentasikan ke dalam bentuk vektor menggunakan Sentence-BERT untuk menangkap hubungan semantik antar teks, kemudian tingkat kemiripan antara input pengguna, data tren, dan data konten dihitung menggunakan Cosine Similarity. Sistem juga mengintegrasikan keyword relevance untuk menjaga keterkaitan topik pengguna, serta menerapkan trend growth, content density, dan opportunity index guna mempertimbangkan dinamika tren dan tingkat kompetisi konten. Seluruh parameter tersebut dikombinasikan menggunakan metode weighted scoring untuk menghasilkan skor akhir dan melakukan pemeringkatan rekomendasi. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi berupa daftar tren, ide, dan strategi konten yang diurutkan berdasarkan tingkat relevansi dan peluang konten. Berdasarkan hasil evaluasi menggunakan metrik Precision, sistem memperoleh nilai rata-rata sebesar 0,9583, sedangkan pengujian pengguna menghasilkan tingkat kelayakan sebesar 88,1%. Hasil tersebut menunjukkan bahwa sistem mampu memberikan rekomendasi yang relevan serta mendukung proses perencanaan konten media sosial secara lebih efektif, terarah, dan berbasis data.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Hafiidh Yupiza Ramadhani (2218018)
Uncontrolled Keywords:	Sistem Rekomendasi, Perencanaan Konten, Media Sosial, Tren Online, Cosine Similarity
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Hafiidh Yupiza Ramadhani
Date Deposited:	06 Aug 2026 03:42
Last Modified:	06 Aug 2026 03:42
URI:	http://eprints.itn.ac.id/id/eprint/16311

Actions (login required)

View Item