Penerapan Aplikasi Rekomendasi Konten Akun Instagram Photographer Menggunakan Collaborative Filtering
Abstract
Perkembangan media sosial, khususnya Instagram, telah membuka peluang besar bagi individu dan komunitas untuk membagikan konten visual. Tantangan yang muncul adalah bagaimana menyajikan konten yang sesuai dengan preferensi audiens. Penelitian ini bertujuan untuk mengimplementasikan sistem rekomendasi konten berbasis metode Item-Based Collaborative filtering pada akun Instagram “Photographer Dadakan”. Sistem ini menganalisis interaksi pengguna berupa likes dan komentar terhadap konten sebelumnya, kemudian menghitung kemiripan antar konten menggunakan Cosine Similarity. Prediksi minat pengguna dilakukan dengan metode Weighted Sum, dan rekomendasi utama ditentukan melalui perhitungan Global Score. Hasil penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi konten yang lebih relevan sehingga mendukung pengelolaan konten berbasis data pada platform media sosial visual.
Full Text:
PDFReferences
Y. S. Sari, “Penerapan Metode Naïve Bayes Untuk Mengetahui Kualitas Air Di Jakarta,” J. Ilm. FIFO, vol. 13, no. 2, p. 222, 2021, doi: 10.22441/fifo.2021.v13i2.010.
W. M. Baihaqi, M. Pinilih, and M. Rohmah, “Kombinasi K-Means Dan Support Vector Machine (SVM) Untuk Memprediksi Unsur SARA Pada Tweet,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 3, pp. 501–510, 2020, doi: 10.25126/jtiik.202072126.
Y. Jumaryadi and D. Mahdiana, “USABILITY TESTING OF BUDI LUHUR UNIVERSITY E-LEARNING SYSTEM USING SYSTEM USABILITY SCALE,” J. Tek. Inform., vol. 3, no. 4, pp. 1099–1108, 2022.
I. Hadi, A. Ghozali, M. A. Fathin, and A. R. Handoko, “A Comparative Study of Machine Learning with Statistical Feature Selection for Risk Detection of Diabetic,” J. Ilm. FIFO, vol. 17, no. 2, pp. 102–118, 2025, doi: 10.22441/fifo.2025.v17i2.001.
T. G. Soares, M. Tonggiroh, M. Erkamim, and E. Widarti, “Enhancing Liver Disease Classification Using Support Vector Machine with IQR-Based Outlier Handling,” J. Ilm. FIFO, vol. 17, no. 1, p. 91, 2025, doi: 10.22441/fifo.2025.v17i1.010.
B. Priambodo et al., “Predicting GDP of Indonesia Using K-Nearest Neighbour Regression,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Dec. 2019. doi: 10.1088/1742-6596/1339/1/012040.
A. D. Aprianto and D. Ramayanti, “Penggunaan Klasifikasi Objek dalam Aplikasi Android untuk Melestarikan Kuliner Khas Indonesia,” J. Ilm. FIFO, vol. 16, no. 1, p. 25, 2024, doi: 10.22441/fifo.2024.v16i1.003.
Y. Jumaryadi, A. Muhammad Ihsan, and B. Priambodo, “Klasifikasi Jenis Buah-Buahan Menggunakan Citra Digital Dengan Metode Convolutional Neural Networks,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 3, pp. 1737–1746, 2023, doi: 10.30865/klik.v4i3.1421.
V. Ayumi et al., “Transfer Learning for Medicinal Plant Leaves Recognition : A Comparison with and without a Fine-Tuning Strategy,” Int. J. Adv. Comput. Sci. Appl., vol. 13, no. 9, pp. 138–144, 2022.
S. B. Nauli et al., “DESIGN OF RAW MATERIAL INVENTORY APPLICATION IN PHARMACEUTICAL COMPANY,” J. Sains, Teknol. dan Kesehat., vol. 2, no. 2, pp. 276–284, 2025.
S. B. Nauli, K. Kusumawati, H. Sitorus, N. Chafid, and I. Rahmatina, “WEB-BASED APPLICATION DESIGN FOR ADOPTION OF ABANDONED PETS,” FORMAT J. Ilm. Tek. Inform., vol. 13, no. 164, pp. 107–114, 2024.
Sukarno Bahat Nauli, A. Priambodo, H. Sitorus, and T. A. Kurniawan, “Evaluating Academic Information Systems Through Dual Models,” J. Electr. Syst., vol. 20, no. 7s, pp. 594–600, 2024, doi: 10.52783/jes.3363.
J. Silva et al., “Association Rule Mining for Customer Segmentation in the SMEs Sector Using the Apriori Algorithm,” in Communications in Computer and Information Science, Springer Singapore, 2019, pp. 655–665. doi: 10.1007/978-981-13-9942-8.
B. Kumar, S. Roy, A. Sinha, C. Iwendi, and Ľ. Strážovská, “E-Commerce Website Usability Analysis Using the Association Rule Mining and Machine Learning Algorithm,” Mathematics, vol. 11, no. 1, p. 25, 2023, doi: 10.3390/math11010025.
R. R. Ismail, H. Wijaya, J. Siregar, and N. Nugroho, “Sistem Pakar Untuk Mendiagnosa Gangguan Somatisasi Menggunakan Metode K-Nearest Neighbors (KNN),” J. Ilm. FIFO, vol. 16, no. 2, 2024.
R. I. Kesuma and A. Iqbal, “Penerapan Content-Boosted Collaborative Filtering untuk Meningkatkan Kemampuan Sistem Rekomendasi Penyedia Jasa Acara Pernikahan,” J. Ilm. FIFO, vol. 12, no. 1, p. 112, 2020, doi: 10.22441/fifo.2020.v12i1.009.
Y. Li, J. Liu, and J. Ren, “Social recommendation model based on user interaction in complex social networks,” PLoS One, vol. 14, no. 7, pp. 1–17, 2019, doi: 10.1371/journal.pone.0218957.
A. W. Suryanto and R. Mutu Manikam, “Analisa Dan Perancangan Aplikasi Pemantau Tumbuh Kembang Anak Dengan Metode Body Mass Index Berbasis Web,” J. Ilm. FIFO, vol. 13, no. 1, p. 51, 2021, doi: 10.22441//fifo.2021.v13i1.006.
R. Priambodo, H. Hermawan, L. Alfat, and T. M. Kadarina, “Pengembangan Peta Interaktif Layanan Puskesmas Nasional melalui Integrasi Open Data dengan Streamlit dan Folium,” J. Ilm. FIFO, vol. 17, no. 2, pp. 144–152, 2025, doi: 10.22441/fifo.2025.v17i2.004.
L. Azhari and E. Widarti, “Evaluasi Kinerja Kernel Linear, RBF, dan Polynomial pada Model Support Vector Machine untuk Prediksi Risiko Hipertensi,” J. Ilm. FIFO, vol. 17, no. 2, pp. 192–201, 2025, doi: 10.22441/fifo.2025.v17i2.008.
R. Y. Suladi, R. B. Wahyunengtias, S. M. Mustafa, and L. Stianingsih, “Prototipe IoT Untuk Monitoring dan Filterisasi Udara di Dapur Instalasi Gizi RSU Tangerang Selatan,” J. Ilm. FIFO, vol. 17, no. 2, pp. 182–191, 2025, doi: 10.22441/fifo.2025.v17i2.007.
DOI: http://dx.doi.org/10.22441/format.2026.v15.i1.001
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Format : Jurnal Ilmiah Teknik Informatika

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Format : Jurnal Ilmiah Teknik Informatika
Fakultas Ilmu Komputer Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215840816
http://publikasi.mercubuana.ac.id/index.php/format
|

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.










