layanan berita online telah menawarkan banyak pilihan kepada pengguna, yang mengakibatkan kelebihan informasi. Ini menyulitkan pengguna untuk menemukan berita yang diinginkan dalam jangka waktu tertentu. Untuk mengatasi hal ini, sistem rekomendasi telah dikembangkan untuk membantu pengguna menemukan dan memilih artikel berita. Sistem ini menganalisis preferensi pengguna dan memanfaatkan berbagai algoritma untuk menyarankan informasi yang relevan. Sistem rekomendasi telah terbukti efektif dalam domain seperti film dan musik, meningkatkan pengalaman pengguna dan pengambilan keputusan. Penelitian ini menyajikan sistem recommender yang menggabungkan teknik penyaringan berbasis konten dan kolaboratif untuk memberikan rekomendasi berita yang akurat dan beragam. Pemfilteran berbasis konten menyarankan artikel berdasarkan atributnya, sementara pemfilteran kolaboratif menganalisis perilaku dan preferensi pengguna. Sistem ini menggabungkan pemberi rekomendasi dari kedua pendekatan menggunakan peringkat tertimbang. Metrik evaluasi, seperti recall, menilai kemanjuran sistem dengan mengukur proporsi artikel berita yang relevan yang disarankan. Model hibrida mengungguli pendekatan individu, mencapai penarikan 0,5 pada Recall@5 dan 0,6 pada Recall@10. Model hybrid yang menggabungkan model filter berbasis konten & kolaboratif menghasilkan performa yang lebih baik dibandingkan dua model aslinya