Sistem Rekomendasi Film Berdasarkan Preferensi Pengguna dengan Algoritma KNN

Sistem rekomendasi film menjadi krusial di era digital karena banyaknya pilihan film yang menyulitkan pengguna. Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi film personal menggunakan algoritma K-Nearest Neighbor (KNN). Permasalahan utama yang diangkat adalah bagaimana merancang dan membangun sistem yang mampu merekomendasikan film secara cepat dan akurat berdasarkan preferensi pengguna. Batasan masalah meliputi fokus pada rekomendasi film saja, preferensi pengguna berdasarkan judul, genre, dan keyword, serta penggunaan algoritma KNN sebagai metode utama. Metode pengembangan sistem yang digunakan adalah Rational Unified Process (RUP) dengan tahapan Inception, Elaboration, Construction, dan Transition. Data yang digunakan adalah data sekunder dari dataset publik Kaggle. Sistem backend dibangun dengan Python dan menggunakan file Excel (.xlsx) untuk penyimpanan data, sementara frontend dikembangkan dengan Flutter. Hasil Pengujian fungsional dan hasil pengujian algoritma KNN menunjukkan bahwa sistem berhasil menampilkan daftar film, melakukan pencarian, memberikan rekomendasi akurat, dan fitur admin berfungsi sesuai harapan, dengan hasil perhitungan manual dan sistem yang konsisten.