Algoritma Apriori terbukti efektif dalam mengungkap pola asosiasi pada data transaksi. Penelitian ini menerapkan algoritma tersebut pada dataset MovieLens 32M untuk mengidentifikasi asosiasi antara film berdasarkan perilaku tontonan pengguna. Dataset difilter agar hanya mencakup film yang telah ditonton minimal oleh 500 pengguna dan pengguna yang menonton minimal 50 film, dengan sampel 5.000 pengguna aktif. Analisis dilakukan menggunakan Python di Google Colab dengan parameter minimum support 0,06 dan maksimal panjang itemset dua. Evaluasi menggunakan metrik lift mengungkap adanya asosiasi kuat antar film, terutama pada film yang tergabung dalam waralaba atau memiliki keterkaitan naratif. Hasil penelitian ini memberikan wawasan baru untuk pengembangan sistem rekomendasi film yang lebih cerdas dan personal, yang dapat meningkatkan pengalaman pengguna di platform streaming.
Copyrights © 2025