Perbandingan TF-IDF dengan Count Vectorization Dalam Content-Based Filtering Rekomendasi Mobil Listrik

Mobil listrik mulai menjadi pilihan beberapa tahun terakhir ini, karakternya yang lebih ramah lingkungan serta biaya pemeliharaan rendah daripada mobil konvensional alasan utama konsumen memilihnya. Seiring meningkatnya minat konsumen, perusahaan besar banyak memproduksi dengan berbagai spesifikasi seperti kapasitas baterainya juga jarak tempuhnya. Hal tersebut membuat diberikan dalam memilih sesuai preferensinya. Penelitian ini ditujukan untuk mempermudah Metode digunakan adalah metode Content-Based Filtering dari sistem rekomendasi berfokus memberikan berdasarkan deskripsi barang hal disukai sisi pembentukan modelnya, melihat pemodelan menghasilkan akurasi baik, peneliti membandingkan TF-IDF Count Vectorization. Dimanfaatkan algoritma K-Nearest Neighbor menguji model terbentuk. Hasil penelitian menunjukkan bahwa dapat merekomendasikan terhadap konsumen. Dari akurasi, dibentuk menggunakan kecil yaitu sebesar 64% dibanding memanfaatkan Vectorization 75%..