Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 10 No. 6 (2025): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

SISTEM REKOMENDASI FILM KARYA ANAK BANGSA INDONESIA DENGAN BERBAGAI METODE

Submitted
November 20, 2025
Published
2025-11-20

Abstract

Perkembangan teknologi informasi mendorong kebutuhan akan sistem rekomendasi yang mampu membantu pengguna menemukan film sesuai preferensi mereka, terutama dalam konteks meningkatnya jumlah karya film Indonesia di era digital. Penelitian ini bertujuan mengembangkan sistem rekomendasi film karya anak bangsa menggunakan tiga pendekatan, yaitu content-based filtering, collaborative filtering, dan hybrid method. Data penelitian diperoleh dari basis data film Indonesia serta survei preferensi pengguna. Sistem dibangun menggunakan bahasa pemrograman Python dan dievaluasi melalui metrik Precision, Recall, dan F1-Score, serta uji kepuasan pengguna. Hasil pengujian menunjukkan bahwa metode hybrid memberikan performa terbaik dengan F1-Score sebesar 0.85, melampaui metode tunggal lainnya. Survei pengguna juga menunjukkan bahwa sistem mampu meningkatkan kemudahan dalam menemukan film Indonesia dan memperluas pengetahuan terhadap karya lokal. Penelitian ini membuktikan bahwa penerapan sistem rekomendasi berbasis machine learning dapat meningkatkan visibilitas dan apresiasi terhadap film karya anak bangsa serta berpotensi mendukung perkembangan industri perfilman nasional.

 

References

  1. Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734–749. https://doi.org/10.1109/TKDE.2005.99
  2. Bobadilla, J., Ortega, F., Hernando, A., & Gutiérrez, A. (2013). Recommender systems survey. Knowledge-Based Systems, 46, 109–132. https://doi.org/10.1016/j.knosys.2013.03.012
  3. Hernando, A., Bobadilla, J., & Ortega, F. (2016). A non-negative matrix factorization for collaborative filtering recommender systems based on a Bayesian probabilistic model. Knowledge-Based Systems, 97, 188–202.
  4. Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37. https://doi.org/10.1109/MC.2009.263
  5. Resnick, P., & Varian, H. R. (1997). Recommender systems. Communications of the ACM, 40(3), 56–58. https://doi.org/10.1145/245108.245121
  6. Situmorang, R., & Nurhaliza, R. (2021). Penerapan metode collaborative filtering pada sistem rekomendasi film berbasis web. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(2), 189–196.
  7. Susanto, A., & Ramadhani, F. (2022). Pengembangan sistem rekomendasi film Indonesia menggunakan metode content-based filtering dan collaborative filtering. Jurnal Informatika dan Teknologi, 6(1), 45–53.
  8. Weber, R. (2023). Information systems auditing: Assessing data integrity and IT governance. Wiley.

Most read articles by the same author(s)

1 2 3 4 > >> 

Similar Articles

21-30 of 450

You may also start an advanced similarity search for this article.