Pesatnya pertumbuhan industri film global meningkatkan kebutuhan akan sistem rekomendasi yang mampu menyesuaikan preferensi pengguna. Penelitian ini mengusulkan sistem rekomendasi film berbasis Content-Based Filtering (CBF) dan Collaborative Filtering (CF) menggunakan data dari TMDb API. Data diproses melalui ekstraksi fitur menggunakan TF-IDF serta perhitungan kemiripan menggunakan cosine similarity dan Euclidean distance. Hasil pengujian menggunakan Kendall Rank Correlation menunjukkan bahwa kombinasi CBF dan CF menghasilkan rekomendasi lebih relevan, di mana Alice in Borderland memiliki tingkat kesamaan tertinggi dengan Squid Game, sedangkan The 8th Night direkomendasikan untuk segmen minat spesifik. Model hybrid menunjukkan performa lebih adaptif dibanding pendekatan tunggal.
You may also start an advanced similarity search for this article.