PENERAPAN COSINE SIMILARITY DAN K-NEAREST NEIGHBOAR BERBASIS MACHINE LEARNING UNTUK PENCARIAN ILUSTRASI PADA KORAN INVESTOR DAILY

Abstract

Penelitian ini dilatarbelakangi oleh kebutuhan redaksi media cetak, khususnya Investor Daily, dalam mencari ilustrasi gambar yang relevan dengan konten berita secara cepat dan tepat. Permasalahan yang dihadapi adalah proses pencarian ilustrasi masih dilakukan secara manual berdasarkan penilaian subjektif, sehingga membutuhkan waktu lama dan kurang efisien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pencarian ilustrasi berbasis teks yang mampu memberikan hasil secara otomatis dan terukur. Metode yang digunakan adalah Term Frequency–Inverse Document Frequency (TF-IDF) untuk merepresentasikan teks query dan judul ilustrasi, Cosine Similarity untuk mengukur tingkat kemiripan, serta K-Nearest Neighbor (K-NN) untuk melakukan pemeringkatan hasil berdasarkan nilai kemiripan tertinggi. Sistem dikembangkan menggunakan bahasa pemrograman Python dengan framework Flask serta menggunakan MySQL sebagai basis data untuk menyimpan dan mengelola data ilustrasi. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan ilustrasi yang relevan dengan query, seperti pada pencarian “kampus unpam”, di mana hasil dengan nilai Cosine tertinggi ditampilkan pada urutan teratas. Dengan demikian, sistem ini dapat meningkatkan efisiensi dan objektivitas dalam proses pencarian ilustrasi