Sistem Rekomendasi Pemilihan Film Menggunakan Metode Collaborative Filtering dan Content-Based Filtering
Abstract
Perkembangan teknologi di era modern telah mempermudah akses terhadap berbagai layanan digital, termasuk hiburan seperti film dan serial televisi yang dapat dinikmati melalui platform streaming. Meskipun memberikan banyak pilihan, keberagaman film yang tersedia sering kali membuat penonton kesulitan dalam menentukan tontonan yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film berbasis metode Collaborative Filtering (CF) dan Content-Based Filtering (CBF) guna memberikan rekomendasi film yang lebih akurat dan personal. Dataset yang digunakan dalam penelitian ini adalah MovieLens, yang berisi data rating film oleh pengguna serta informasi konten film seperti genre dan tag. Dengan membandingkan antara CF dan CBF, sistem rekomendasi ini dapat memberikan hasil yang lebih relevan dengan mengidentifikasi kesamaan preferensi antar pengguna serta karakteristik film. Hasil penelitian ini berupa platform berbasis website yang menampilkan rekomendasi film yang sesuai dengan minat pengguna. Dari hasil penyebaran kuesioner bagi responden maka pada metode yang direkomendasikan didapatkan bahwa metode CF lebih diminati dibandingkan dengan CBF, hasil tersebut didukung dari pertanyaan ke-11 yang menyatakan CF bermanfaat bagi responden sebesar 53%. Sedangkan CBF hanya sebesar 39% dengan sisanya memilih rekomendasi trending sebesar 8%.
References
K. R. Sari, W. Suharso, and Y. Azhar, “Pembuatan Sistem Rekomendasi Film dengan Menggunakan Metode Item Based Collaborative Filtering pada Apache Mahout,” J. Repos., vol. 2, no. 6, p. 767, 2020, doi: 10.22219/repositor.v2i6.936.
A. E. Wijaya and D. Alfian, “Sistem Rekomendasi Laptop Menggunakan Collaborative Filtering Dan Content-Based Filtering,” J. Comput. Bisnis, vol. 12, no. 1, pp. 11–27, 2018.
U. Javed, K. Shaukat, I. A. Hameed, F. Iqbal, T. M. Alam, and S. Luo, “A Review of Content- Based and Context-Based Recommendation Systems,” Int. J. Emerg. Technol. Learn., vol. 16, no. 3, pp. 274–306, 2021, doi: 10.3991/ijet.v16i03.18851.
E. R. Wijaya, A. N. Rahmanto, and A. Naini, “Resilience Theory: Adaptation and Transformation of the Film Community due to the Pandemic,” Formosa J. Soc. Sci., vol. 1, no. 4, pp. 467–484, 2022, doi: 10.55927/fjss.v1i4.2218.
A. S. Tewari, “Generating Items Recommendations by Fusing Content and User-Item based Collaborative Filtering,” Procedia Comput. Sci., vol. 167, no. 2019, pp. 1934–1940, 2020, doi: 10.1016/j.procs.2020.03.215.
H. H. Arfisko and A. T. Wibowo, “Sistem Rekomendasi Film Menggunakan Metode Hybrid Collaborative Filtering Dan Content-Based Filtering,” e-Proceeding Eng., vol. 9, no. 3, pp. 21– 49, 2022.
M. M. Wiputra and Y. J. Shandi, “Perancangan Sistem Rekomendasi Menggunakan Metode Collaborative Filtering dengan Studi Kasus Perancangan Website Rekomendasi Film,” Media Inform., vol. 20, no. 1, pp. 1–18, 2021, doi: 10.37595/mediainfo.v20i1.54.
E. Vania, S. Nuraini, and D. S. Y. Kartika, “Penggunaan Algoritma K-Means Clustering Untuk Menentukan Rekomendasi Film Indonesia Using K-Means Clustering Algorithm To Determine Indonesian,” in Prosiding Seminar Nasional Teknologi dan Sistem Informasi (SITASI), 2022, no. September, pp. 10–11.
Joni, Andy, and K. Wibowo, “Perancangan Website Rekomendasi Film Dengan Menggunakan Metode User Based Collaborative Filtering. ,(), .,” J. Ilm. Tek. Inform. METHOTIKA, vol. 1, no. 2, pp. 37–43, 2021, [Online]. Available: https://ojs.fikom- methodist.net/index._php/methotika/article/view/25
Copyright (c) 2025 Andreas Dian Anggi Kusuma, Arif Pramudwiatmoko, Suhirman Suhirman
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
