Abstract
Cerita Panji merupakan warisan budaya penting dari Kediri, Indonesia, yang mengandung nilai-nilai kearifan lokal, sejarah, dan moral. Namun, minat generasi muda terhadap cerita ini menurun akibat pesatnya arus digital. Untuk mengatasi hal ini, dikembangkan aplikasi web Cerita Panji Kediri yang menyajikan cerita dalam bentuk flipbook interaktif, dilengkapi sistem rekomendasi berbasis Item-Based Collaborative Filtering (IBCF) guna meningkatkan personalisasi pengalaman pengguna. Metode IBCF digunakan untuk menganalisis kemiripan antar-cerita berdasarkan riwayat pembacaan pengguna, dengan perhitungan cosine similarity untuk menentukan rekomendasi. Evaluasi menggunakan Top-K Accuracy menunjukkan akurasi rata-rata sebesar 62%, mengindikasikan bahwa 3 dari 5 cerita yang direkomendasikan relevan dengan preferensi pengguna. Hasil penelitian membuktikan bahwa pendekatan IBCF efektif dalam merekomendasikan cerita Panji tanpa memerlukan analisis konten secara langsung. Aplikasi ini tidak hanya menjadi media edukasi budaya, tetapi juga berperan dalam pelestarian cerita tradisional melalui teknologi digital. Pengembangan selanjutnya dapat mencakup metode hybrid atau faktor tambahan seperti rating pengguna untuk meningkatkan akurasi sistem.
References
[1] M. U. Sardar, S. Musaev, and C. Fetzer, “Demystifying Attestation in Intel Trust Domain Extensions via Formal Verification,” IEEE Access, vol. 9, pp. 83067–83079, 2021, doi: 10.1109/ACCESS.2021.3087421.
[2] S. Zhu, Z. Zhou, R. Li, and W. Li, “Impact of High-Speed Rail Construction on the Environmental Sustainability of China’s Three Major Urban Agglomerations,” Sustain., vol. 14, no. 5, 2022, doi: 10.3390/su14052567.
[3] E. Lukin, J. C. Roberts, D. Berdik, E. Mugar, and P. Juola, “Adjectives and adverbs as stylometric analysis parameters,” Int. J. Digit. Humanit., vol. 5, no. 2–3, pp. 233–245, 2023, doi: 10.1007/s42803-023-00065-y.
[4] G. Kancanadana, C. P. Pertiwi, and ..., “Cultural Literacy Flipbook: Meningkatkan Literasi Budaya Siswa pada Mata Pelajaran Bahasa Indonesia Kelas IV SDN 02 Kanigoro,” Semin. Nas. …, vol. 3, no. 2, pp. 572–580, 2024, [Online]. Available: https://prosiding.unipma.ac.id/index.php/SENASSDRA/article/view/5896%0Ahttps://prosiding.unipma.ac.id/index.php/SENASSDRA/article/viewFile/5896/4698
[5] E. Anugerah Rahayu Kasim, N. Ransi, and J. Teknik Informatika, “Sistem Rekomendasi Produk UMKM Menggunakan Algoritma User-Based Collaborative Filtering Berbasis Website Website-Based MSME Product Recommendation System Using User-Based Collaborative Filtering Algorithm,” vol. 14, no. 2, pp. 152–162, 2024, [Online]. Available: https://stmikpontianak.org/ojs/index.php/sisfotenika
[6] S. A. Pratama, “Pengembangan Sistem Rekomendasi Buku Menggunakan Collaborative Filtering Development Of A Book Recommendation System Using Collaborative Filtering,” vol. 2, no. 2, pp. 81–86.
[7] D. Dhimas et al., “Sistem Rekomendasi Laptop Menggunakan Metode Collaborative Filltering Dan Weighted Product Pada Toko Online Indojaya Computer,” vol. 4, pp. 594–604, 2025.
[8] Yaya Suharya, Y. Herdiana, N. Indah Putri, and Z. Munawar, “Sistem Rekomendasi Untuk Toko Online Kecil Dan Menengah,” Tematik, vol. 8, no. 2, pp. 176–185, 2021, doi: 10.38204/tematik.v8i2.683.
[9] A. Rochmad Wahono, B. Aji Saputra, and F. Fadlu Rahman, “Sistem Rekomendasi Film Menggunakan Metode Content-Based Filtering dan Algoritma K-Nearest Neighbors (KNN),” Pros. Semin. Nas. Teknol. Inf. dan Bisnis, pp. 1–6, 2024, doi: 10.47701/senatib.v4i1.3994.
[10] H. Februariyanti, A. D. Laksono, J. S. Wibowo, and M. S. Utomo, “IMPLEMENTASI METODE COLLABORATIVE FILTERING UNTUK SISTEM Diterbitkan :,” J. Khatulistiwa Inform., vol. IX, no. I, pp. 43–50, 2021, [Online]. Available: www.unisbank.ac.id
[11] Y. Puteri, P. Sari, E. Seniwati, and B. Rahman, “Metode Item-Based Collaborative Filtering untuk Rekomendasi Produk Skincare,” pp. 93–104, 2025.

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Aldino Alung Putra Anugraha, Daniel Swanjaya, Julian Sehartian
