<![CDATA[Perkembangan layanan digital yang menyediakan ribuan film menimbulkan tantangan bagi pengguna dalam menemukan tontonan yang sesuai dengan preferensi pribadi. Penelitian ini membangun Sistem Rekomendasi Film menggunakan metode Collaborative Filtering dengan memanfaatkan data rating pengguna untuk memprediksi film yang berpotensi disukai. Tahapan penelitian meliputi pemuatan dataset, pembersihan data, analisis eksploratif, pembentukan user-item matrix, perhitungan cosine similarity, serta pembangunan dua model rekomendasi yaitu User-Based dan Item-Based Collaborative Filtering. Selain itu, fitur pencarian judul film diterapkan menggunakan metode string matching dengan library difflib. Hasil analisis menunjukkan bahwa cosine similarity mampu mengukur kemiripan antar pengguna maupun antar film secara efektif, sehingga rekomendasi yang dihasilkan lebih relevan dan personal. Visualisasi heatmap juga membantu dalam memahami pola kemiripan antar film berdasarkan nilai similarity. Sistem ini diharapkan menjadi solusi yang efisien bagi pengguna dalam menemukan film sesuai preferensi tanpa harus melakukan pencarian manual.]]>
Copyrights © 2025
