<![CDATA[Industri hiburan, khususnya film, telah mengalami transformasi besar dengan berkembangnya teknologi dan internet. Namun, banyaknya pilihan film sering kali membuat pengguna kesulitan menemukan film yang sesuai dengan preferensi mereka. Permasalahan utama dalam pemilihan film adalah kurangnya sistem rekomendasi yang dapat memberikan rekomendasi yang akurat berdasarkan preferensi individu. Pengguna sering kali dihadapkan pada daftar panjang film tanpa panduan yang jelas, sehingga membutuhkan waktu lama untuk menemukan film yang sesuai dengan minat mereka. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film menggunakan metode Content-Based Filtering (CBF). Dengan sistem ini, pengguna akan mendapatkan rekomendasi film berdasarkan kesamaan atribut dengan film yang pernah mereka tonton sebelumnya, seperti genre, sinopsis, dan sutradara. Metode yang digunakan dalam penelitian ini mencakup teknik Natural Language Processing (NLP), di antaranya TF-IDF untuk ekstraksi fitur teks dan Cosine Similarity untuk menghitung kesamaan antarfilm. Dataset yang digunakan diperoleh dari The Movie Database (TMDb) yang berisi informasi film dalam berbagai genre. Hasil penelitian menunjukkan bahwa sistem ini memiliki nilai precision sebesar 0,85, recall sebesar 0,78, dan F1-Score sebesar 0,81, yang membuktikan keefektifan metode yang diterapkan. Selain itu, sistem berhasil menampilkan rekomendasi film dengan tingkat kesamaan tertinggi dalam bentuk visualisasi yang memperjelas hubungan antarfilm, sehingga pengguna dapat dengan mudah memahami hasil rekomendasi. Dengan demikian, sistem ini diharapkan dapat membantu pengguna dalam menemukan film yang sesuai dengan preferensi mereka secara lebih efisien dan akurat.]]>
Copyrights © 2025
