Sistem Rekomendasi Film Berdasarkan Deskripsi Pengguna
DOI:
https://doi.org/10.29407/j203ej32Keywords:
Content-Based Filtering, Deskripsi, Film, Pengguna, RekomendasiAbstract
Pertumbuhan jumlah film dan platform streaming digital telah meningkatkan kompleksitas dalam proses pemilihan film yang sesuai dengan preferensi pengguna. Permasalahan ini semakinn menonjol ketika pengguna hanya mampu mendeskripsikan film yang diinginkan secara sigkat dan bebas, sehingga pencarian berbasis genre atau kata kunci sering kali menghasilkan rekomendasi yang kurang relevan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film berdasarkan deskripsi pengguna dengan menerapkan pendekatan Content Based Filtering (CBF). Representasi konten film dan deskripsi pengguna dibangun menggunakan metode Term Frequency-Inverse Documen Frequency (TF-IDF), sedangkan tingkat kesesuaian antar konten diukur menggunakan Cosine Similarity. Data yang digunakan dalam penelitian ini bersumber dari dataset terbuka MovieLens yang disediakan oleh GroupLens Research Group dalam format CSV. Evaluasi kinerja sistem menggunakan intra-list similarity 0,5148, diversity 0,482 dan coverage 0,13% menunjukan bahawa sistem memiliki keseimbangan yang cukup antara kesamaan dan keberagaman rekomendasi meskipun jangkauan rekomendasi masih terbatas. Dengan demikian, sistem yang diusulkan dapat menjadi solusi awal dalam membantu pengguna menemukan film yang sesuai berdasarkan deskripsi yang diberikan.
Downloads
References
[1] M. B. Mustofa et al., “FUNGSI KOMUNIKASI MASSA DALAM FILM,” AT-TAWASUL, vol. 2, no. 1, pp. 1–8, Aug. 2022, doi: 10.51192/JA.V2I1.324.
[2] E. A. Sahrul and K. Nuringsih, “PERAN E-COMMERCE, MEDIA SOSIAL DAN DIGITAL TRANSFORMATION UNTUK PENINGKATAN KINERJA BISNIS UMKM,” Jurnal Muara Ilmu Ekonomi dan Bisnis, vol. 7, no. 2, pp. 286–299, Oct. 2023, doi: 10.24912/jmieb.v7i2.23293.
[3] J. Dwi Sahputra Amory, M. Mudo, and U. Muhammadiyah Mamuju, “Transformasi Ekonomi Digital dan Evolusi Pola Konsumsi: Tinjauan Literatur tentang Perubahan Perilaku Belanja di Era Internet,” Jurnal Minfo Polgan, vol. 14, no. 1, pp. 28–37, Feb. 2025, doi: 10.33395/JMP.V14I1.14608.
[4] M. Y. Patawari and D. R. Sugiyanto, “Pergeseran Paradigma Distribusi Film Pada Masa Pandemi Covid-19 dan Prediksi Eksistensi Bioskop Pascapandemi Covid-19,” Urban: Jurnal Seni Urban, vol. 5, no. 2, pp. 79–98, Oct. 2021, doi: 10.52969/JSU.V5I2.56.
[5] K. Genre et al., “Klasifikasi Genre Film Terpopuler Bulanan MenggunakanAlgoritma Naive Bayes Berbasis Data Penayangan,” Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 9, no. 3, pp. 2183–2190, Jul. 2025, doi: 10.29407/40KX4V59.
[6] R. Insan Pratama Siagian, N. Khoiriah, S. Audy Priscilia, M. Raffi Akbar Tanjung, and A. Perdana, “PENERAPAN MACHINE LEARNING UNTUK REKOMENDASI FILM BERDASARKAN PREFERENSI PENGGUNA,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 4, pp. 5658–5662, May 2025, doi: 10.36040/JATI.V9I4.13884.
[7] A. Suhendra and A. Ahmad, “Perancangan Film Pendek Drama tentang Digital Addiction Berjudul Digislave,” Jurnal Desain, vol. 10, no. 2, p. 331, Jan. 2023, doi: 10.30998/JD.V10I2.14332.
[8] D. Velamentosa, E. Zuliarso, and J. Raya Tri Lomba Juang, “SISTEM REKOMENDASI FILM MENGGUNAKAN METODE CONTENT-BASED FILTERING,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, pp. 2918–2922, Mar. 2025, doi: 10.36040/JATI.V9I2.13251.
[9] S. Noorlima Yanti, E. Rihyanti, J. Margonda Raya, and D. Jawa Barat, “Penerapan Rest API untuk Sistem Informasi Film secara Daring,” Jurnal Informatika Universitas Pamulang, vol. 6, no. 1, pp. 195–201, Mar. 2021, doi: 10.32493/INFORMATIKA.V6I1.10033.
[10] 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, pp. 2135–2145, Sep. 2024, doi: 10.32672/MISTER.V1I4.2206.
[11] F. Yuniardini and T. Widiyaningtyas, “Analisis Perbandingan Pearson Correlation dan Cosine Similarity pada Rekomendasi Musik berbasis Collaborative Filtering,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 2, pp. 555–564, Dec. 2024, doi: 10.29408/edumatic.v8i2.27781.
[12] A. Dian Anggi Kusuma, A. Pramudwiatmoko, M. Teknologi Informasi, and A. Info, “Sistem Rekomendasi Pemilihan Film Menggunakan Metode Collaborative Filtering dan Content-Based Filtering,” INTEK : Jurnal Informatika dan Teknologi Informasi, vol. 8, no. 1, pp. 88–97, May 2025, doi: 10.37729/INTEK.V8I1.6286.
[13] A. Pranata and F. Sulianta, “Implementasi dan Analisis Algoritma Content-Based Filtering Pada Sistem Rekomendasi Produk Tas pada Basis Data MySQL,” Jurnal Ilmiah Global Education, vol. 6, no. 3, pp. 1419–1444, Aug. 2025, doi: 10.55681/JIGE.V6I3.4017.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Billkaf Syava Al Bana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
