<![CDATA[Di tengah pesatnya perkembangan dunia digital, sistem rekomendasi film menjadi bagian penting dalam meningkatkan kenyamanan dan kepuasan pengguna saat mengakses platform hiburan. Namun, metode tradisional seperti collaborative filtering dan content-based filtering masih menghadapi kendala dalam memahami pola interaksi yang kompleks antara pengguna dan film. Penelitian ini hadir untuk menjawab tantangan tersebut dengan mengembangkan sistem rekomendasi berbasis deep learning menggunakan pendekatan Graph Neural Network (GNN). Tujuan utama dari penelitian ini adalah membangun model yang mampu merepresentasikan hubungan antara pengguna dan film secara lebih mendalam dan kontekstual. Dalam pengembangannya, digunakan dataset MovieLens untuk membentuk graf yang mencerminkan relasi rating antara pengguna dan film. Proses pelatihan model dilakukan dengan arsitektur GraphSAGE dua lapis yang mampu menyebarkan informasi antar node secara efektif dalam graf. Hasil evaluasi menggunakan Mean Squared Error (MSE) menunjukkan performa yang baik dengan nilai loss terbaik sebesar 0.2780. Selain itu, hasil uji menggunakan cosine similarity memperlihatkan bahwa model ini mampu merekomendasikan film yang relevan dengan preferensi pengguna. Temuan ini menunjukkan bahwa pendekatan GNN dapat menjadi solusi yang menjanjikan untuk meningkatkan kualitas rekomendasi serta pengalaman pengguna dalam menjelajahi konten digital.]]>
Copyrights © 2025
