Rancang Bangun Sistem Rekomendasi Film IndonesiaMenggunakan Hybrid Filtering Berbasis Singular Value Decomposition dan Content-Based Filtering

Firdaus, Muhammad Hanafi Afan
Suwita, Rahma Widhi Puja
Fawaid, Faqih Jendra
Faddly, Vicky Rachmad Nur
Amin, Ismail Fikrun
Atina, Vihi

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Pertumbuhan platform streaming dan katalog film lokal membuat pengguna semakin sulit menemukan film Indonesia yang sesuai dengan preferensinya. Penelitian ini merancang CineNusa, prototipe sistem rekomendasi film Indonesia yang menggabungkan Content-Based Filtering (CBF) berbasis TF-IDF dan cosine similarity dengan Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD). Dataset yang digunakan adalah IMDb Indonesian Movies dari Kaggle yang berisi 1.262 film valid setelah pembersihan data. Karena dataset tidak menyediakan rating pengguna nyata, penelitian ini membangkitkan 17.461 rating sintetik dari 400 pengguna virtual berbasis rating IMDb dan noise Gaussian. Skor akhir rekomendasi dihitung dengan bobot 60% CBF dan 40% SVD. Evaluasi 5-fold cross-validation terhadap komponen SVD pada data rating sintetik menghasilkan RMSE rata-rata 0,3841 dan MAE rata-rata 0,2762. Sistem diimplementasikan sebagai aplikasi web berbasis Flask dengan fitur pencarian, rating film, rekomendasi personal, jelajah genre, mode swipe, dan perbandingan film. Hasil menunjukkan bahwa pendekatan hybrid SVD-CBF layak digunakan sebagai fondasi prototipe rekomendasi film Indonesia, tetapi validasi lanjutan dengan rating pengguna nyata tetap diperlukan.