SISTEM REKOMENDASI FILM INDONESIA MENGGUNAKAN PENDEKATAN CONTENT BASED FILTERING DAN METODE VECTOR SPACE MODEL

Film telah lama menjadi media hiburan populer yang memberikan pengalaman visual, auditif, dan emosional yang menarik. Dengan berkembangnya industri film di Indonesia, jumlah penonton bioskop meningkat signifikan, meski sempat menurun akibat pandemi COVID-19. Banyaknya pilihan film seringkali membuat penonton kesulitan menemukan film yang sesuai dengan preferensi mereka. Penelitian ini bertujuan merancang dan mengembangkan sistem rekomendasi film Indonesia menggunakan pendekatan Content-Based Filtering dan metode Vector Space Model, untuk memberikan saran film yang relevan bagi pengguna.
Pengembangan sistem ini menggunakan metode prototipe, melalui tahapan pengumpulan dan analisis kebutuhan, desain cepat, pembuatan dan evaluasi prototipe, serta implementasi dan pemeliharaan produk. Content-Based Filtering merekomendasikan film berdasarkan kesamaan konten, sementara Vector Space Model merepresentasikan konten film sebagai vektor multidimensi untuk mengukur kesamaan menggunakan cosine similarity, yang kemudian digunakan untuk menghasilkan rekomendasi.
Hasil pengujian menunjukkan sistem memberikan rekomendasi film dengan akurasi tinggi. Dari percobaan dengan 20 sampel data film Indonesia dan kata kunci "Horor Rumah Setan Hantu", film "Pengabdi Setan 2: Communion" memiliki nilai similarity tertinggi, yaitu 0.3018. Pengujian black box menunjukkan sistem berfungsi sesuai harapan, dan pengujian perhitungan menunjukkan akurasi 100% dibandingkan perhitungan manual. Pengujian recall dan precision menunjukkan sistem mengembalikan 100% data yang relevan dengan hasil pencarian 100% relevan, dengan nilai rata-rata di atas 90%. Sistem ini terbukti sangat efektif dalam memberikan rekomendasi film yang akurat dan relevan bagi pengguna.