SISTEM REKOMENDASI PEMILIHAN KENDARAAN LISTRIK (R1 &R4) MENGGUNAKAN METODE CONTENT BASED FILTERING DENGAN TF-IDF DAN COSINE SIMILARITY

Dandy, Michael (2026) SISTEM REKOMENDASI PEMILIHAN KENDARAAN LISTRIK (R1 &R4) MENGGUNAKAN METODE CONTENT BASED FILTERING DENGAN TF-IDF DAN COSINE SIMILARITY. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text 2218067_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
	Text 2218067_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (196kB)
	Text 2218067_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (328kB) | Request a copy
	Text 2218067_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (687kB) | Request a copy
	Text 2218067_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text 2218067_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (153kB) | Request a copy
	Text 2218067_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (154kB)
	Text 2218067_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (995kB) | Request a copy

Abstract

Perkembangan kendaraan listrik di Indonesia mengalami peningkatan pesat, namun banyaknya varian spesifikasi teknis di pasaran memicu kebingungan konsumen dalam menentukan pilihan yang sesuai dengan kebutuhan dan anggaran. Oleh karena itu, penelitian ini bertujuan untuk membangun sistem rekomendasi pemilihan kendaraan listrik roda dua (R2) dan roda empat (R4) yang mampu membantu calon pembeli mengambil keputusan secara objektif dan efisien. Metode yang digunakan adalah Content-Based Filtering dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengekstraksi data spesifikasi kendaraan, serta pengukuran tingkat kemiripan menggunakan Cosine Similarity. Data kendaraan diperoleh melalui teknik web scraping dan diproses menggunakan text mining. Validasi algoritma menunjukkan akurasi tinggi dengan nilai Mean Absolute Error (MAE) sebesar 4,656%, memenuhi target di bawah batas toleransi 10%. Pengujian evaluasi relevansi menggunakan metrik precision menghasilkan rata-rata akurasi sebesar 95% pada sartipel kueri awal. Meskipun terjadi penurunan rata-rata presisi menjadi 83,00% pada 20 kueri, 71,60% pada 50 kueri, dan 61,40% pada 100 kueri akibat kompleksitas bahasa alami serta keterbatasan kombinasi atribut dalam basis data, sistem ini dinilai tetap efektif dan layak diimplementasikan untuk menghasilkan rekomendasi yang relevan bagi konsumen.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Michael Dandy (2218067)
Uncontrolled Keywords:	kendaraan listrik, sistem rekomendasi, content-based filtering, TF-IDF, cosine similarity
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Muhammad Rizqi Putra Dermawan
Date Deposited:	04 Aug 2026 03:59
Last Modified:	04 Aug 2026 03:59
URI:	http://eprints.itn.ac.id/id/eprint/16316

Actions (login required)

View Item