SISTEM REKOMENDASI PEMBELIAN LISENSI FILM MENGGUNAKAN PENDEKATAN HYBRID FILTERING

STUDI KASUS: FILM ANIMASI JEPANG

Abstract

Perkembangan zaman yang sangat pesat saat ini memunculkan banyak platform hiburan diantaranya streaming video seperti Netflix. Perusahaan pemiliki platform streaming video sangat berhati-hati dalam pemilihan dan pembelian suatu lisensi film oleh karena itu pengembangan sistem rekomendasi untuk pembelian lisensi film animasi jepang menggunakan metode hybrid filtering dengan menggabungkan metode content-based filtering dan collaborative filtering. Data yang digunakan merupakan database dari forum anime terbesar di dunia yaitu myanimelist.com yang tersedia di Kaggle.com. Cosine similarity digunakan untuk menghitung kemiripan kata yang terkandung pada sinopsis film antara 1 film dengan film lainnya. 30 film dengan nilai kemiripan tertinggi dipilih kemudian diurutkan berdasarkan weighted rating IMDB yang kemudian hasilnya merupakan rekomendasi berdasarkan content-based filtering. Collaborative filtering menggunakan preferensi pengguna untuk memprediksi rating yang akan diberikan berdasarkan kemiripan antara pengguna 1 dengan pengguna lainnya. Analisis data dilakukan menggunakan google colab notebook sedangkan platform website dibangun menggunakan bahasa pemrograman python dan framework flask. Pengujian sistem dilakukan menggunakan confusion matrix dengan nilai presisi yaitu 71%, MAE dengan nilai 0.9 dan RMSE 1.1985. Hasil penelitian menunjukan bahwa tujuan dari penelitian dapat dipenuhi yaitu membangun sistem rekomendasi menggunakan metode hybrid filtering agar dapat memberikan hasil berupa daftar rekomendasi film dan mengetahui rancang bangun dan implementasi sistem rekomendasi film pada platform website.