<![CDATA[Perkembangan platform streaming digital yang semakin pesat mendorong meningkatnya kebutuhan akan sistem rekomendasi yang mampu memberikan saran film secara lebih personal dan sesuai dengan preferensi pengguna. Pendekatan yang umum digunakan masih bergantung pada metadata seperti genre dan rating pengguna, sehingga rekomendasi yang dihasilkan cenderung bersifat umum dan belum sepenuhnya mencerminkan isi cerita film. Penelitian ini mengembangkan sistem rekomendasi film berbasis web dengan memanfaatkan teknik Natural Language Processing untuk menganalisis sinopsis film sebagai sumber informasi utama. Metode Term Frequency–Inverse Document Frequency digunakan untuk mengubah teks menjadi representasi numerik, sedangkan cosine similarity digunakan untuk mengukur tingkat kemiripan antar sinopsis film. Penelitian ini menggunakan pendekatan terapan dan eksperimental yang mencakup tahapan pengumpulan dataset, preprocessing teks (case folding, tokenization, stopword removal, dan stemming), pembentukan representasi vektor, perhitungan nilai similarity, serta evaluasi sistem. Hasil pengujian menunjukkan bahwa nilai similarity yang dihasilkan mampu menggambarkan tingkat kemiripan antara film yang dijadikan input dengan film yang direkomendasikan, di mana semakin tinggi nilai similarity maka semakin tinggi pula tingkat kesesuaian konten cerita antar film. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi film berbasis web menggunakan teknik Natural Language Processing dengan metode TF-IDF dan cosine similarity guna menghasilkan rekomendasi film yang lebih relevan berdasarkan kemiripan sinopsis.]]>
