Sistem Rekomendasi Film Menggunakan Collaborative Filtering
Keywords:
Sistem rekomendasi, Collaborative filtering, Cosine similarity, User-item matrix, Rekomendasi FilmAbstract
Perkembangan layanan digital yang menyediakan ribuan film menimbulkan tantangan bagi pengguna dalam menemukan tontonan yang sesuai dengan preferensi pribadi. Penelitian ini membangun Sistem Rekomendasi Film menggunakan metode Collaborative Filtering dengan memanfaatkan data rating pengguna untuk memprediksi film yang berpotensi disukai. Tahapan penelitian meliputi pemuatan dataset, pembersihan data, analisis eksploratif, pembentukan user-item matrix, perhitungan cosine similarity, serta pembangunan dua model rekomendasi yaitu User-Based dan Item-Based Collaborative Filtering. Selain itu, fitur pencarian judul film diterapkan menggunakan metode string matching dengan library difflib. Hasil analisis menunjukkan bahwa cosine similarity mampu mengukur kemiripan antar pengguna maupun antar film secara efektif, sehingga rekomendasi yang dihasilkan lebih relevan dan personal. Visualisasi heatmap juga membantu dalam memahami pola kemiripan antar film berdasarkan nilai similarity. Sistem ini diharapkan menjadi solusi yang efisien bagi pengguna dalam menemukan film sesuai preferensi tanpa harus melakukan pencarian manual.
References
Bobadilla, J., Hernando, A., Ortega, F., & Gutiérrez, A. (2020). Recommender systems survey. Knowledge Based Systems, 192, 105-213.
Ekstrand, M. D., Konstan, J. A., & Riedl, J. (2021). Collaborative filtering recommender systems. Foundations and Trends in Human Computer Interaction, 14(2), 1-82.
Ferdiana, R., & Indraswari, R. (2021). Improving movie recommendation using item-based collaborative filtering with cosine similarity. Journal of Information Systems Engineering and Business Intelligence, 7(2), 98-107.
Isinkaye, F. O., Folajimi, Y. O., & Ojokoh, B. A. (2020). A recommendation system for movie selection using collaborative filtering. The Scientific World Journal, 2020, 1-10.
Koren, Y., Bell, R., & Volinsky, C. (2020). Matrix factorization techniques for recommender systems. Computer, 53(8), 30-37.
Lu, J., Wu, D., Mao, M., Wang, W., & Zhang, G. (2020). Recommender system application developments: A survey. Decision Support Systems, 129, 113-132.
Muslim, M. A., & Pratama, M. Y. (2021). Implementation of collaborative filtering for movie recommendation system. Journal of Information Systems Engineering and Business Intelligence, 7(1), 12-21.
Putra, R. A., & Ramadhan, R. (2022). Movie recommendation system using cosine similarity and collaborative filtering. Proceedings of the 2022 International Conference on Information Technology and Computing, 45-50.
Riyadi, S., & Yulianti, E. (2022). Hybrid collaborative filtering for movie recommendation using similarity adjustment. Procedia Computer Science, 216, 493-500.
Sharma, A., & Gera, C. (2021). A survey of recommendation system: Research directions, challenges, and solutions. Artificial Intelligence Review, 54, 559-611.
Susanto, A., & Ariyanto, F. (2020). Movie recommendation system using cosine similarity and user preference modeling. International Journal of Advanced Computer Science and Applications, 11(5), 447-453.
Zhang, S., Yao, L., Sun, A., & Tay, Y. (2019). Deep learning-based recommender system: A survey and new perspectives. ACM Computing Surveys, 52(1), 1-38.
