Keywords
cosine similarity
genre film
sistem rekomendasi
TF-IDF
How to Cite
Abstract
Perkembangan teknologi informasi telah memberikan kemudahan dalam mengakses hiburan digital, termasuk dalam memilih film melalui layanan streaming seperti Netflix dan Disney+. Namun, banyaknya pilihan justru menyulitkan pengguna dalam menentukan film yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk membangun sistem rekomendasi film berbasis konten (Content-Based Filtering) yang dapat memberikan saran film yang relevan berdasarkan kemiripan konten, khususnya dari sisi genre. Pendekatan yang digunakan melibatkan metode pembobotan TF-IDF untuk merepresentasikan genre film dalam bentuk vektor, kemudian menghitung kemiripan antar film menggunakan cosine similarity. Sistem bekerja dengan mencocokkan film yang disukai pengguna terhadap seluruh data, lalu merekomendasikan film lain yang memiliki tingkat kemiripan tertinggi. Hasil implementasi menunjukkan bahwa sistem ini mampu memberikan rekomendasi film yang relevan dan masuk akal. Contohnya, ketika pengguna memilih "Toy Story (1995)", sistem berhasil merekomendasikan film-film sekuel dan bertema serupa.
References
[1] R. A. Sari, S. Fajar Isnaini, and E. Seniwati, ‘Sistem Rekomendasi Film Menggunakan Content Based Filtering’, 2025. [Online]. Available: https://subset.id/index.php/IJCSR
[2] M. Eko Prasetyo, ‘KAJIAN KOMPOSISI VISUAL PADA FILM SERIAL NETFLIX DRAMA FIKSI ILMIAH BERJUDUL THE 100 KARYA JASON ROTHENBERG STUDY OF VISUAL COMPOSITION ON THE FILM SERIAL NETFLIX SCIENTIFIC DRAMA TITLE THE 100 BY JASON ROTHENBERG’, vol. 4, pp. 45–64, 2021, [Online]. Available: http://journal.ubm.ac.id/index.php/titik-imaji/
[3] Y. Anjani, M. Diandra Wicaksana, A. Kuswanti, U. R. Pembangunan Nasional Veteran Jakarta Jl Fatmawati, P. Labu, and J. Selatan, ‘PENGGUNAAN APLIKASI STREAMING NETFLIX PADA GENERASI Z’, 2023.
[4] M. I. Djamzuri and A. Putra Mulyana, ‘Fenomena Netflix Platform Premium Video Streaming Membangun Kesadaran Cyber Etik Dalam Perspektif Ilmu Komunikasi’, Jurnal Ilmu Sosial dan Pendidikan (JISIP), vol. 6, no. 1, pp. 2598–9944, 2022, doi: 10.36312/jisip.v6i1.2804/http.
[5] R. A. Sari, S. Fajar Isnaini, and E. Seniwati, ‘Sistem Rekomendasi Film Menggunakan Content Based Filtering’, 2025. [Online]. Available: https://subset.id/index.php/IJCSR
[6] ‘SISTEM REKOMENDASI PEMILIHAN PRODUK SKINCARE DENGAN PENDEKATAN CONTENT-BASED FILTERING’.
[7] D. Theo Santoso, V. Atina, and D. Hartanti, ‘Prototipe Sistem Rekomendasi Film Indonesia Menggunakan Pendekatan Content Based Filtering dan Metode Vector Space Model’, Infotek: Jurnal Informatika dan Teknologi, vol. 7, no. 2, pp. 444–455, Jul. 2024, doi: 10.29408/jit.v7i2.26083.
[8] H. H. Arfisko, ‘Sistem Rekomendasi Film Menggunakan Metode Hybrid Collaborative Filtering Dan Content-Based Filtering’.
[9] E. Salim, J. Pragantha, and M. D. Lauro, ‘Perancangan Sistem Rekomendasi Film menggunakan metode Content-based Filtering’.
[10] M. Fajriansyah, P. P. Adikara, and A. W. Widodo, ‘Sistem Rekomendasi Film Menggunakan Content Based Filtering’, 2021. [Online]. Available: http://j-ptiik.ub.ac.id
[11] S. K. Dirjen et al., ‘Terakreditasi SINTA Peringkat 4 Sistem Rekomendasi Produk Pena Eksklusif Menggunakan Metode Content-Based Filtering dan TF-IDF’, 2018.
[12] M. Fajriansyah, P. P. Adikara, and A. W. Widodo, ‘Sistem Rekomendasi Film Menggunakan Content Based Filtering’, 2021. [Online]. Available: http://j-ptiik.ub.ac.id
[13] A. H. Azmi, I. Naufal, R. Mahardika, A. Shaktika, A. Prasetya, and S. Puspita, ‘Sistem Rekomendasi Film Berbasis Konten Menggunakan Teknik Cosine Similarity dan TF-IDF’, Journal of Multidisciplinary Inquiry in Science Technology and Educational Research, vol. 1, no. 4, 2024, doi: 10.32672/mister.v1i4.2206.
[14] A. Rochmad Wahono, B. Aji Saputra, and F. Fadlu Rahman, ‘Sistem Rekomendasi Film Menggunakan Metode Content-Based Filtering dan Algoritma K-Nearest Neighbors (KNN)’, pp. 18–2024.
[15] A. A. Huda, R. Fajarudin, and A. Hadinegoro, ‘Sistem Rekomendasi Content-based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita’, Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, Dec. 2022, doi: 10.47065/bits.v4i3.2511.
[16] T. Ridwansyah, B. Subartini, and S. Sylviani, ‘Penerapan Metode Content-Based Filtering pada Sistem Rekomendasi’, Mathematical Sciences and Applications Journal, vol. 4, no. 2, pp. 70–77, Apr. 2024, doi: 10.22437/msa.v4i2.32136.
[17] D. A. Putri, D. Pramesti, D. I, and W. Santiyasa, ‘Penerapan Metode Content-Based Filtering dalam Sistem Rekomendasi Video Game’, 2022.
[18] S. Rosetya Wardhana and R. Kembang Hapsari, ‘Sistem Rekomendasi Film dengan Menggunakan Pendekatan Collaborative Filtering Berdasarkan Class’, Prosiding Seminar Implementasi Teknologi Informasi dan Komunikasi, vol. 2, no. 1, 2023, doi: 10.31284/p.semtik.2023-1.4153.
[19] R. Al Rasyid, D. Handayani, and U. Ningsih, ‘Penerapan Algoritma TF-IDF dan Cosine Similarity untuk Query Pencarian Pada Dataset Destinasi Wisata’, Jurnal Teknologi Informasi dan Komunikasi), vol. 8, no. 1, p. 2024, 2024, doi: 10.35870/jti.
[20] D. Remawati, H. Wijayanto, Y. Retno, W. Utami, and B. D. Raharja, ‘Pengelompokkan Film Trending di Youtube Menggunakan TF-IDF dan K-Means Clastering’, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsi
[21] D. Septiani and I. Isabela, ‘SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia ANALISIS TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS’.
[22] J. E. Br Sinulingga and H. C. K. Sitorus, ‘Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF’, Jurnal Manajemen Informatika (JAMIKA), vol. 14, no. 1, pp. 42–53, Feb. 2024, doi: 10.34010/jamika.v14i1.11946.
[23] M. Yusuf and A. Cherid, ‘Implementasi Algoritma Cosine Similarity Dan Metode TF-IDF Berbasis PHP Untuk Menghasilkan Rekomendasi Seminar’.
[24] A. Zakharia et al., ‘Sistem Rekomendasi Film Indonesia Menggunakan Metode Content-Based Filtering’, [Online]. Available: https://journal.mediapublikasi.id/index.php/logic
[25] R. Harjo Utomo, G. Susrama, M. Diyasa, U. Pembangunan, N. " Veteran, and J. Timur, ‘MOVIEMU : SISTEM REKOMENDASI FILM MENGGUNAKAN ALGORITMA COSINE SIMILARITY’, vol. 4, no. 2, pp. 22–32, 2024.
[26] M. Robbani, R. Dias Ramadhani, A. Elok Amalia, P. Studi Informatika, and P. Studi Rekayasa Perangkat Lunak, ‘Analisa Algoritma Cosine Similarity dengan Pearson Correlation pada Metode Item-based Collaborative Filtering dengan Menggunakan Dataset Movielens’, 2018.
[27] J. Aisyiah and L. Cahyani, ‘Sistem Rekomendasi Program Studi Menggunakan Metode Hybrid Recommendation (Studi Kasus: MAN Sumenep)’, Jurnal Eksplora Informatika, vol. 12, no. 1, pp. 59–72, Jan. 2024, doi: 10.30864/eksplora.v12i1.992.
[28] G. Z. Dhamara, D. N. Alamsyah, P. W. Saputro, E. Daniati, and A. Ristyawan, ‘Analisis Sentimen Aplikasi Mybca Melalui Review Pengguna Di Google Play Store Menggunakan Algoritma Naive Bayes’, Online, 2024.
[29] E. Daniati, ‘KLASIFIKASI JENIS BIMBINGAN DAN KONSELING SISWA SMKN 1 KEDIRI MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN NEAREST NEIGHBOR’, NoE), vol. 1.
[30] E. Daniati, ‘Klasifikasi Kelompok Penjaminan Mutu Pada Karyawan Perusahaan XYZ Dengan KNN dan J48’.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Trisna Wahyu Intan Permadani, Dika Adi Prasetya, Erna Daniati