SISTEM REKOMEDASI FILM BERDASARKAN KEMIRIPAN DESKRIPSI CERITA MENGGUNAKAN METODE CONTENT BASED FILTERING

Abstract

Era digital telah menghadirkan ribuan film baru setiap tahun, menciptakan tantangan bagi penikmat film untuk menemukan konten yang sesuai dengan preferensi mereka. Penelitian ini mengimplementasikan sistem rekomendasi film berbasis kemiripan deskripsi menggunakan metode Content-based filtering dengan algoritma TF-IDF dan Cosine Similarity. Dataset yang digunakan berasal dari TMDb, mencakup 4803 film dengan atribut deskriptif yang kaya. Hasil analisis menunjukkan representasi semantik yang efektif dengan rata-rata 85 kata per deskripsi dan 11.520 istilah unik. Sistem berhasil mengidentifikasi pola kemiripan semantik antara film-film dalam universe yang sama tanpa memerlukan informasi eksplisit tentang franchise. Distribusi nilai kemiripan menunjukkan diversitas konten dengan mayoritas film memiliki nilai kemiripan rendah hingga sedang (0.1-0.4). Keunggulan pendekatan ini terletak pada kemampuannya mengatasi cold-start problem karena tidak memerlukan data interaksi pengguna. Implementasi antarmuka web dengan Flask memberikan pengalaman pengguna yang interaktif untuk menemukan film berdasarkan kemiripan naratif.