EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film

Andre Januarta, Bagus Darmajati Perdana Putra, Deka Dwi Nugraha, Sofyan Hidayat, Mahendra Akmal Abiyasa, Ade Saputra, Zaidan Umar, Faradi Deo Herlambang

Journal of Informatics and Interactive Technology · 30.04.2026 · 3 (1) · 512-519

DOI: 10.63547/jiite.v3i1.115 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Informatics and Interactive Technology, online erschienen am 30.04.2026. Verfasst von Andre Januarta und 7 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Perkembangan platform digital dan layanan streaming film menyebabkan peningkatan jumlah konten yang tersedia bagi pengguna. Kondisi ini menimbulkan permasalahan information overload, di mana pengguna mengalami kesulitan dalam menentukan film yang sesuai dengan preferensi mereka. Sistem rekomendasi hadir sebagai solusi untuk membantu pengguna menemukan film yang relevan secara cepat dan personal. Penelitian ini bertujuan untuk menganalisis kinerja sistem rekomendasi film menggunakan metode hybrid yang mengombinasikan Content-Based Filtering (CBF) dan Matrix Factorization (MF). Pendekatan CBF memanfaatkan representasi genre film menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) dan Cosine Similarity untuk mengukur kemiripan antar film, sedangkan MF diterapkan menggunakan teknik Singular Value Decomposition (SVD) untuk mempelajari pola laten interaksi pengguna dan film berdasarkan data rating. Dataset yang digunakan berasal dari The Movie Database (TMDB) dan MovieLens dengan jumlah data yang besar dan beragam. Hasil penelitian menunjukkan bahwa metode hybrid mampu meningkatkan kualitas rekomendasi dengan menggabungkan keunggulan kedua pendekatan, di mana CBF berperan sebagai penyaring awal berdasarkan kemiripan konten dan MF berfungsi untuk memprediksi serta mengurutkan film berdasarkan preferensi pengguna. Evaluasi kinerja sistem menggunakan confusion matrix dan metrik precision, recall, serta F1-score menunjukkan tingkat akurasi sebesar 73%, dengan performa yang baik pada kelas like. Hasil ini membuktikan bahwa pendekatan hybrid efektif dalam menghasilkan rekomendasi film yang lebih relevan dan personal.

Zitieren

APA

Januarta, A., Putra, B. D. P., Nugraha, D. D., Hidayat, S., Abiyasa, M. A., Saputra, A., Umar, Z., & Herlambang, F. D. (2026). Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film. Journal of Informatics and Interactive Technology, 3(1), 512-519. https://doi.org/10.63547/jiite.v3i1.115

Vancouver

Januarta A, Putra BDP, Nugraha DD, Hidayat S, Abiyasa MA, Saputra A, et al. Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film. Journal of Informatics and Interactive Technology. 2026;3(1):512-519. doi:10.63547/jiite.v3i1.115

BibTeX
@article{Januarta2026,
  author = {Januarta, Andre and Putra, Bagus Darmajati Perdana and Nugraha, Deka Dwi and Hidayat, Sofyan and Abiyasa, Mahendra Akmal and Saputra, Ade and Umar, Zaidan and Herlambang, Faradi Deo},
  title = {Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film},
  journal = {Journal of Informatics and Interactive Technology},
  year = {2026},
  volume = {3},
  number = {1},
  pages = {512--519},
  doi = {10.63547/jiite.v3i1.115}
}
Kostenlos starten →