Sistem Rekomendasi Film Menggunakan Algoritma Natural Language Processing Berbasis Web

Ahmad Rifan Akmal  Farizal; Adi  Sucipto; Teguh  Tamrin

doi:10.53842/juki.v8i1.2386

Authors

Ahmad Rifan Akmal Farizal Universitas Islam Nahdlatul Ulama Jepara
Adi Sucipto Universitas Islam Nahdlatul Ulama Jepara
Teguh Tamrin Universitas Islam Nahdlatul Ulama Jepara

DOI:

https://doi.org/10.53842/juki.v8i1.2386

Keywords:

Sistem Rekomendasi, Natural Language Processing, TF-IDF, Cosine Similarity, Sistem Berbasis Web

Abstract

Perkembangan platform streaming digital yang semakin pesat mendorong meningkatnya kebutuhan akan sistem rekomendasi yang mampu memberikan saran film secara lebih personal dan sesuai dengan preferensi pengguna. Pendekatan yang umum digunakan masih bergantung pada metadata seperti genre dan rating pengguna, sehingga rekomendasi yang dihasilkan cenderung bersifat umum dan belum sepenuhnya mencerminkan isi cerita film. Penelitian ini mengembangkan sistem rekomendasi film berbasis web dengan memanfaatkan teknik Natural Language Processing untuk menganalisis sinopsis film sebagai sumber informasi utama. Metode Term Frequency–Inverse Document Frequency digunakan untuk mengubah teks menjadi representasi numerik, sedangkan cosine similarity digunakan untuk mengukur tingkat kemiripan antar sinopsis film. Penelitian ini menggunakan pendekatan terapan dan eksperimental yang mencakup tahapan pengumpulan dataset, preprocessing teks (case folding, tokenization, stopword removal, dan stemming), pembentukan representasi vektor, perhitungan nilai similarity, serta evaluasi sistem. Hasil pengujian menunjukkan bahwa nilai similarity yang dihasilkan mampu menggambarkan tingkat kemiripan antara film yang dijadikan input dengan film yang direkomendasikan, di mana semakin tinggi nilai similarity maka semakin tinggi pula tingkat kesesuaian konten cerita antar film. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi film berbasis web menggunakan teknik Natural Language Processing dengan metode TF-IDF dan cosine similarity guna menghasilkan rekomendasi film yang lebih relevan berdasarkan kemiripan sinopsis.

Downloads

Download data is not yet available.

References

Agarwal, A., Mishra, D. S., & Kolekar, S. V. (2022). Knowledge-based recommendation system using semantic web rules based on Learning styles for MOOCs. Cogent Engineering,9(1).https://doi.org/10.1080/23311916.2021.2022568

Aizawa, A. (2021). An information-theoretic perspective of tf-idf measures q. Retrieved from www.elsevier.com/locate/infoproman

Ayyiyah, N. K., Kusumaningrum, R., & Rismiyati, R. (2023). Film Recommender System Menggunakan Metode Neural Collaborative Filtering. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(3), 699–708.https://doi.org/10.25126/jtiik.2023106616

Azri Saputra, J. M., Huizen, L. M., & Arianto, D. B. (2024). Sistem Rekomendasi Film pada Platform Streaming Menggunakan Metode Content-Based Filtering. Jurnal Transformatika,22(1),1021,https://doi.org/10.26623/transformatika.v22i1.7041

Dai, H. J., Su, C. H., Lee, Y. Q., Zhang, Y. C., Wang, C. K., Kuo, C. J., & Wu, C. S. (2021). Deep Learning-Based Natural Language Processing for Screening Psychiatric Patients. Frontiers in Psychiatry, 11.https://doi.org/10.3389/fpsyt.2020.533949

Harahap, R. M., & Rachman, A. N. (2025). SISTEM REKOMEDASI FILM BERDASARKAN KEMIRIPAN DESKRIPSI CERITA MENGGUNAKAN METODE CONTENT BASED FILTERING. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3).https://doi.org/10.23960/jitet.v13i3.6577

Harjo Utomo, R., Susrama, G., Diyasa, M., Pembangunan, U., Veteran, N. ", & Timur, J. (2024). MOVIEMU : SISTEM REKOMENDASI FILM MENGGUNAKAN ALGORITMA COSINE SIMILARITY. 4(2), 22–32.

Holis, R. M., Utomo, P. E. P., & Hutabarat, B. F. (2025). Semantic FAQ Chatbot Using SBERT (Sentence-BERT) and Cosine Similarity for Academic Services. Brilliance: Research of Artificial Intelligence, 5(2), 915–922.https://doi.org/10.47709/brilliance.v5i2.7027

Javed, U., Shaukat, K., Hameed, I. A., Iqbal, F., Alam, T. M., & Luo, S. (2021). A Review of Content-Based and Context-Based Recommendation Systems. International Journal of Emerging Technologies in Learning,16(3),274306.https://doi.org/10.3991/ijet.v16i03.18851

Juni Permana, A. H. J. P., & Agung Toto Wibowo. (2023). Movie Recommendation System Based on Synopsis Using Content-Based Filtering with TF-IDF and Cosine Similarity. International Journal on Information and Communication Technology(IJoICT),9(2),114.https://doi.org/10.21108/ijoict.v9i2.747

Konstan, J. A. (2004). Introduction to recommender systems: Algorithms and evaluation. In ACM Transactions on Information Systems (Vol. 22, Number 1, pp. 1–4).https://doi.org/10.1145/963770.963771

Li, Jiacheng, Wang, M., Li, Jin, Fu, J., Shen, X., Shang, J., & McAuley, J. (2023). Text Is All You Need: Learning Language Representations for Sequential Recommendation. Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 12581267.https://doi.org/10.1145/3580305.3599519

Lops, P., Jannach, D., Musto, C., Bogers, T., & Koolen, M. (2019). Trends in content-based recommendation: Preface to the special issue on Recommender systems based on rich item descriptions. In User Modeling and User-Adapted Interaction (Vol. 29, Number 2, pp. 239–249). Springer Netherlands.https://doi.org/10.1007/s11257-019-09231-w

Mulwa, C., Lawless, S., Sharp, M., & Wade, V. (2011). A web-based framework for user-centred evaluation of end-user experience in adaptive and personalized e-Learning systems. Proceedings - 2011 IEEE/WIC/ACM International Joint Conferences on Web Intelligence and Intelligent Agent Technology - Workshops, WI-IAT 2011, 3, 351–356. https://doi.org/10.1109/WI-IAT.2011.203

Perdana Sari, Y. (2024). Sistem Rekomendasi Drama dan Film Berbasis Website Dengan Metode Content Based Filtering. OKTAL : Jurnal Ilmu Komputer Dan Science, 3(10).

Salsabil, A., Setiawan, E B, Kurniawan, I, Salsabil, A. A., Setiawan, Erwin Budi, & Kurniawan, Isman. (2019). Kinetik: Game Technology, Information System. Computer Network, Computing, Electronics, and Control Journal, 4(3), 193–202. https://kinetik.umm.ac.id/index.php/kinetik/article/view/1940https://kinetik.umm.ac.id/index.php/kinetik/article/view/1940

Srivastava, R. P. (n.d.). A New Measure of Similarity in Textual Analysis: Vector Similarity Metric versus Cosine Similarity Metric A New Measure of Similarity in Textual Analysis: Vector Similarity Metric versus Cosine Similarity Metric A New Measure of Similarity in Textual Analysis: Vector Similarity Metric versus Cosine Similarity Metric.

Theo Santoso, D., Atina, V., & Hartanti, D. (2024). Prototipe Sistem Rekomendasi Film Indonesia Menggunakan Pendekatan Content Based Filtering dan Metode Vector Space Model. Infotek: Jurnal Informatika Dan Teknologi, 7(2), 444–455. https://doi.org/10.29408/jit.v7i2.26083

Velamentosa, D., Zuliarso, E., & Raya Tri Lomba Juang, J. (2025). SISTEM REKOMENDASI FILM MENGGUNAKAN METODE CONTENT-BASED FILTERING. In Jurnal Mahasiswa Teknik Informatika) (Vol. 9, Number 2).

S. Syam and M. Rabidin, “Metode Simple Wahyu Intan Permadani, T., Adi Prasetya, D., Daniati, E., & Korespondens, P. (2025). Sistem Rekomendasi Film Berdasarkan Genre Menggunakan Metode Content-Based Filtering dengan Algoritma Cosine Similarity. In INOTEK (Vol. 9).