Perbandingan Algoritma K-Nearest Neighbor dan Cosine Similarity Untuk Sistem Rekomendasi Kursus Udemy

Ayudha Kusuma Ramadhani

doi:10.31004/riggs.v5i1.6411

Authors

Ayudha Kusuma Ramadhani STMIK Widya Cipta Dharma

DOI:

https://doi.org/10.31004/riggs.v5i1.6411

Keywords:

K-Nearest Neighbor, Cosine Similarity, Sistem Rekomendasi, Udemy, Kursus

Abstract

Pertumbuhan pesat platform pembelajaran daring mendorong meningkatnya kebutuhan akan sistem rekomendasi yang mampu menyajikan kursus secara relevan dan personal. Udemy sebagai salah satu platform e-learning terbesar menyediakan ribuan kursus dengan variasi topik yang luas, sehingga pengguna sering mengalami kesulitan dalam menemukan kursus yang sesuai dengan minat dan kebutuhannya. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Cosine Similarity dan K-Nearest Neighbor (KNN) dalam sistem rekomendasi kursus berbasis konten pada platform Udemy. Dataset yang digunakan terdiri dari 3.678 data kursus yang diperoleh dari Kaggle, dengan atribut judul kursus sebagai fitur utama. Data teks dipraproses dan direpresentasikan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Cosine Similarity digunakan untuk mengukur tingkat kemiripan antar kursus, sedangkan KNN berfungsi sebagai mekanisme pencarian tetangga terdekat berdasarkan skor kemiripan. Evaluasi kinerja sistem rekomendasi dilakukan menggunakan metrik Precision@N dengan acuan kesesuaian kategori kursus. Hasil penelitian menunjukkan bahwa algoritma KNN menghasilkan tingkat relevansi rekomendasi yang lebih tinggi dibandingkan Cosine Similarity, namun membutuhkan waktu komputasi yang lebih besar. Sebaliknya, Cosine Similarity unggul dari sisi efisiensi dan stabilitas hasil rekomendasi. Temuan ini menunjukkan adanya trade-off antara relevansi dan efisiensi komputasi, sehingga pemilihan metode sistem rekomendasi perlu disesuaikan dengan kebutuhan dan skala implementasi. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem rekomendasi kursus daring berbasis konten.

Downloads

Download data is not yet available.

References

Z. Fayyaz, M. Ebrahimian, D. Nawara, A. Ibrahim, and R. Kashef, “Recommendation systems: Algorithms, challenges, metrics, and business opportunities,” Applied Sciences, vol. 10, no. 21, p. 7748, 2020, doi: 10.3390/app10217748.

Y. Christian and K. Kelvin, “Rancang bangun aplikasi kursus online berbasis web dengan sistem rekomendasi metode content-based filtering,” Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 7, no. 1, 2022, doi: 10.36341/rabit.v7i1.2181.

L. El Youbi El Idrissi, I. Akharraz, and A. Ahaitouf, “Personalized e-learning recommender system based on autoencoders,” Applied System Innovation, vol. 6, no. 6, p. 102, 2023, doi: 10.3390/asi6060102.

R. Habibi, “Analisis sistem rekomendasi pekerjaan berbasis content-based filtering dengan cosine similarity,” Jurnal Informatika, 2022. [Online]. Available: https://ejurnal.ulbi.ac.id/index.php/informatika/article/view/2363

P. Bahrani, B. Minaei-Bidgoli, H. Parvin, M. Mirzarezaee, and A. Keshavarz, “A new improved KNN-based recommender system,” The Journal of Supercomputing, vol. 80, no. 1, pp. 800–834, 2024, doi: 10.1007/s11227-023-05447-1.

H. Dharmawan, T. Tukino, S. S. Hilabi, and I. Karniawulan, “Sistem rekomendasi buku dengan metode k-nearest neighbor (K-NN) pada Gramedia,” ZONAsi: Jurnal Sistem Informasi, vol. 5, no. 1, pp. 16–25, 2023, doi: 10.31849/zn.v5i1.12203.

N. N. K. Sari, R. Priskila, and P. B. A. A. Putra, “Implementasi content-based filtering menggunakan TF-IDF dan cosine similarity untuk sistem rekomendasi resep masakan,” Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika, 2024. [Online]. Available: https://jurnal.polgan.ac.id/index.php/sinkron/article/view/14778

A. Rianti, N. W. Abdul Majid, and A. Fauzi, “Machine learning journal article recommendation system using content-based filtering (TF-IDF & cosine similarity),” Jurnal Teknologi dan Sistem Informasi, vol. 22, no. 1, 2025, doi: 10.12962/j24068535.v22i1.a1193.

I. A. W. Nandita, “News recommendation system using content-based TF-IDF and cosine similarity,” Journal of Artificial Intelligence and Computing, 2025. [Online]. Available: https://jurnal.polibatam.ac.id/index.php/JAIC/article/view/9807

A. A. Huda, R. Fajarudin, and A. Hadinegoro, “Sistem rekomendasi content-based filtering menggunakan TF-IDF vector similarity untuk rekomendasi artikel berita,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, pp. 1679–1686, 2022, doi: 10.47065/bits.v4i3.251.

M. Farhan, M. Rifky Andreawan, R. Antonius, and N. Dhiya Ulhag, “Evaluasi dan pengembangan sistem rekomendasi game berbasis content-based filtering dengan TF-IDF dan cosine similarity,” BINER: Jurnal Ilmu Komputer, Teknik dan Multimedia, vol. 2, no. 4, pp. 400–408, 2024.

Nurjanah, Husaini, and J. Salat, “Penggunaan metode cosine similarity dan TF-IDF untuk klasifikasi judul seminar proposal,” Sagita Academia Journal, vol. 2, no. 1, pp. 72–79, 2024, doi: 10.61579/sagita.v2i1.60.

F. Christyawan, A. Rohman, and A. Hartanto, “Application of content-based filtering method using cosine similarity in restaurant selection recommendation system,” Journal of Information Systems and Informatics, vol. 6, no. 3, pp. 1559–1576, 2024, doi: 10.51519/journalisi.v6i3.806.

M. A. Munajad, A. Ridwan, and T. G. Pratama, “Pengembangan sistem rekomendasi musik dengan K-Means dan K-Nearest Neighbors berbasis cosine similarity,” Sainteks Journal, vol. 22, no. 2, pp. 153–165, 2025, doi: 10.30595/sainteks.v22i2.27815.

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: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 10, no. 2, 2025, doi: 10.36341/rabit.v10i2.6532.