Rancang Bangun Sistem Rekomendasi Film IndonesiaMenggunakan Hybrid Filtering Berbasis Singular Value Decomposition dan Content-Based Filtering
Keywords:
Sistem Rekomendasi, Hybrid Filtering, Singular Value Decomposition, Content-Based Filtering, Film IndonesiaAbstract
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.
References
[1] F. Ricci, L. Rokach, and B. Shapira, Recommender Systems Handbook, 3rd ed. New York: Springer, 2022.
[2] B. Smith dan G. Linden, "Two Decades of Recommender Systems at Amazon.com," IEEE Internet Computing, vol. 27, no. 1, pp. 12-18, Jan. 2023.
[3] Y. Koren, R. Bell, dan C. Volinsky, "Matrix Factorization Techniques for Recommender Systems," IEEE Computer, vol. 42, no. 8, pp. 30-37, Aug. 2022.
[4] H. Wang, Y. Zhao, and X. He, "SVD-Based Collaborative Filtering for Large-Scale Recommendation," IEEE Trans. Knowl. Data Eng., vol. 35, no. 6, pp. 5123-5136, Jun. 2023.
[5] L. Xu, Z. Guan, dan Y. Wu, "Enhancing Movie Recommendation Systems with Hybrid Collaborative Filtering, Content-based Filtering and SVD," dalam Proc. CONF-MLA 2024, EAI/EUDL, Nov. 2024.
[6] M. R. Sitorus, "Implementasi Model-Based Collaborative Filtering pada Sistem Rekomendasi Film Menggunakan Algoritma SVD," Skripsi, Universitas Medan Area, 2023.
[7] D. D. H. Putra, "IMDb Indonesian Movies Dataset," Kaggle, 2023. [Online]. Tersedia: https://www.kaggle.com/datasets/dionisiusdh/imdb-indonesian-movies.
[8] F. M. Harper dan J. A. Konstan, "The MovieLens Datasets: History and Context," ACM Trans. Interact. Intell. Syst., vol. 5, no. 4, Art. no. 19, Dec. 2022.
[9] N. K. Ayyiyah, R. Kusumaningrum, dan Rismiyati, "Film Recommender System Menggunakan Metode Neural Collaborative Filtering," J. Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 3, pp. 541-550, 2023.
[10] M. Munthe dan R. Siregar, "Sistem Rekomendasi Film Berbasis Collaborative Filtering Menggunakan Algoritma Matrix Factorization," Hello World J. Ilmu Komputer, vol. 4, no. 3, 2025.
[11] M. A. Fikry et al., "Sistem Rekomendasi Film Dengan Menggunakan Sentiment Analysis dan Collaborative Filtering," KERNEL: J. Riset Inovasi Bidang Informatika, vol. 5, no. 2, 2024.
[12] Agustian et al., "Sistem Rekomendasi Film Menggunakan Metode Collaborative Filtering dan K-Nearest Neighbors," J. Aplikasi dan Teori Ilmu Komputer, UPI, 2024.
[13] "Enhancing Recommendation Systems through SVD-based Collaborative Filtering and Community Detection," PLOS ONE, 2025, doi: 10.1371/journal.pone.0346579.
[14] "A Hybrid Content-Based and Collaborative Filtering Approach for Recommending Optimal Movie Release Months," J. Applied Informatics and Computing, Politeknik Negeri Batam, 2025.
[15] "Collaborative Filtering Based Algorithm of Movie Recommendation System," AIP Conference Proceedings, vol. 3242, Art. no. 060007, 2024.
