Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Metode K-Nearest Neighbor dalam Sistem Rekomendasi Film Berdasarkan Preferensi Pengguna Nuril Maghfiratus Sholeha, Siti; Fatah, Zaehol
Mutiara: Multidiciplinary Scientifict Journal Vol. 2 No. 10 (2024): Multidiciplinary Scientifict Journal
Publisher : Al Makki Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57185/mutiara.v2i10.271

Abstract

Peningkatan produksi film dan ketersediaan pada platform streaming telah membuat pengguna kesulitan menemukan film yang sesuai dengan preferensi mereka. Sistem rekomendasi dapat membantu pengguna dengan menyarankan film yang sesuai dengan minat mereka. Studi ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) dalam sistem rekomendasi film untuk memberikan saran berdasarkan preferensi pengguna. Algoritma KNN digunakan untuk mengklasifikasikan film dengan menganalisis preferensi pengguna dari peringkat yang diberikan. Data dikumpulkan, diproses terlebih dahulu, dan dibagi menjadi set pelatihan dan pengujian untuk mengoptimalkan model. Kesamaan kosinus digunakan untuk mengukur kesamaan antar film. Sistem rekomendasi mencapai akurasi 44,83% dengan presisi 100% pada K=10, yang menunjukkan relevansi tinggi tetapi menyoroti potensi peningkatan akurasi keseluruhan. Sistem rekomendasi berbasis KNN secara efektif selaras dengan preferensi pengguna, meskipun teknik tambahan dapat meningkatkan akurasi lebih jauh. Sistem ini menunjukkan janji dalam memberikan saran film yang relevan tetapi memerlukan pengoptimalan lebih lanjut untuk aplikasi yang lebih luas.  
Implementasi Metode K-Nearest Neighbor dalam Sistem Rekomendasi Film Berdasarkan Preferensi Pengguna Nuril Maghfiratus Sholeha, Siti; Fatah, Zaehol
Mutiara: Multidiciplinary Scientifict Journal Vol. 2 No. 10 (2024): Multidiciplinary Scientifict Journal
Publisher : Al Makki Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57185/mutiara.v2i10.271

Abstract

Peningkatan produksi film dan ketersediaan pada platform streaming telah membuat pengguna kesulitan menemukan film yang sesuai dengan preferensi mereka. Sistem rekomendasi dapat membantu pengguna dengan menyarankan film yang sesuai dengan minat mereka. Studi ini bertujuan untuk mengimplementasikan algoritma K-Nearest Neighbor (KNN) dalam sistem rekomendasi film untuk memberikan saran berdasarkan preferensi pengguna. Algoritma KNN digunakan untuk mengklasifikasikan film dengan menganalisis preferensi pengguna dari peringkat yang diberikan. Data dikumpulkan, diproses terlebih dahulu, dan dibagi menjadi set pelatihan dan pengujian untuk mengoptimalkan model. Kesamaan kosinus digunakan untuk mengukur kesamaan antar film. Sistem rekomendasi mencapai akurasi 44,83% dengan presisi 100% pada K=10, yang menunjukkan relevansi tinggi tetapi menyoroti potensi peningkatan akurasi keseluruhan. Sistem rekomendasi berbasis KNN secara efektif selaras dengan preferensi pengguna, meskipun teknik tambahan dapat meningkatkan akurasi lebih jauh. Sistem ini menunjukkan janji dalam memberikan saran film yang relevan tetapi memerlukan pengoptimalan lebih lanjut untuk aplikasi yang lebih luas.