Jejaring sosial saat ini memiliki peran yang sangat penting bagi jutaan pengguna internet aktif yang ada di dunia ini, salah satunya Twitter. Dengan adanya jejaring sosial Twitter membuat pengguna saling berinteraksi dengan pengguna lain dan tanpa harus melakukan hubungan timbal balik. Untuk alasan ini, rekomendasi pertemanan pada Twitter menjadi lebih kompleks. Pada Tugas Akhir ini membuat sistem rekomendasi pertemanan berdasarkan preferensi pengguna dengan cara mengidentifikasi alasan dari terciptanya suatu hubungan dengan melihat bagaimana tingkat kepopularan seorang pengguna, aktivitasnya, dan lokasi keberadaan jarak antar pengguna. Ketiga fitur tersebut dinamakan fitur popularitas, aktivitas, dan lokasi[11]. Ketiga fitur ini dihitung pembobotannya dengan menggunakan metode Weighted Content Based untuk menghasilkan rekomendasi pertemanan baru[11]. Untuk menghasilkan rekomendasi pertemanan baru yang relevan maka digunakan threshold untuk filtering fitur popularitas, filtering fitur aktivitas dan filtering total bobot fitur tertentu. Pengaruh penggunaan nilai threshold yang rendah akan menghasil jumlah rekomendasi pertemanan relevan baru yang lebih banyak dan jika nilai threshold yang digunakan tinggi akan menghasil jumlah rekomendasi pertemanan relevan baru yang lebih sedikit.
rekomendasi pertemanan, Weighted Content Based, fitur popularitas, fitur aktivitas, fitur lokasi, threshold