Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 10 No. 6 (2025): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

PENDEKATAN HIBRIDA DALAM SISTEM REKOMENDASI: ANALISIS PADA PLATFORM STREAMING FILM

Submitted
November 21, 2025
Published
2025-11-21

Abstract

Penelitian ini bertujuan untuk menganalisis efektivitas pendekatan hibrida dalam sistem rekomendasi film pada platform streaming digital seperti Netflix dan Disney+. Sistem rekomendasi dikembangkan dengan mengombinasikan metode Content-Based Filtering (CBF), Collaborative Filtering (CF), serta pendekatan demographic dan link prediction untuk meningkatkan akurasi dan relevansi hasil rekomendasi. Pendekatan kuantitatif dengan desain eksperimen digunakan dengan memanfaatkan dataset publik MovieLens dan TMDB yang mencakup lebih dari 4.800 film dan 4.000 pengguna. Model diuji menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Precision, dan Recall. Hasil menunjukkan bahwa pendekatan hibrida mampu menurunkan nilai MAE sebesar 4,5% dan RMSE sebesar 6,05%, dengan tingkat precision rata-rata mencapai 71%, sehingga menghasilkan rekomendasi yang lebih relevan dibandingkan metode tunggal. Penelitian ini mendukung temuan Ravikumar et al. (2023), Arfisko & Wibowo (2022), dan Liu & Ren (2023), serta merekomendasikan pengembangan lebih lanjut menggunakan deep learning untuk sistem rekomendasi adaptif secara real-time.

References

  1. Arfisko, H. H., & Wibowo, A. T. (2022). Hybrid Collaborative & Content-Based Filtering for Movie Recommendation System. e-Proceeding of Engineering, Telkom University.
  2. Farashah, V., Etebarian, A., Azmi, R., & Dastjerdi, A. (2021). Hybrid Recommender System Based on Link Prediction and Deep Neural Network. Journal of Big Data, 8(1), 1–14.
  3. Fikri, M. A. (2024). Analisa Sistem Rekomendasi Film dengan Content-Based Filtering dan Collaborative Filtering. Jurnal Informatika dan Komputer (JUNIKA), 12(4), 16–22.
  4. Lestari, P. (2024). Rekomendasi Film dengan Demographic dan Content-Based Filtering. Jurnal Informatika dan Komputer Indonesia (JIKI), 24(1), 1–10.
  5. Liu, Z., & Ren, F. (2023). Algorithm Improvement of Movie Recommendation System Based on Hybrid Algorithm. Frontiers of Computer and Information Science (FCIS), 3(3), 113–117.
  6. Mukti, K. T., & Mardhiyah, I. (2022). Sistem Rekomendasi Pembelian Lisensi Film Menggunakan Hybrid Filtering. Jurnal Riset Sistem Informasi dan Teknologi (JURSISTEKNI), 3(2), 40–49.
  7. Rahmawati, D., Prasetyo, D., & Saputra, Y. R. (2023). Sistem Rekomendasi Film Menggunakan Metode K-Nearest Neighbor (KNN). Jurnal Informatika dan Komputer (JIKO), 3(1), 10–19.
  8. Ravikumar, R. N., Jain, S., & Sarkar, M. (2023). Efficient Hybrid Movie Recommendation System Framework Based on a Sequential Model. International Journal of Intelligent Systems and Applications in Engineering (IJISAE), 11(3), 221–229.
  9. Utomo, R. H., & Diyasa, I. G. S. M. (2024). MOVIEMU: Sistem Rekomendasi Film Menggunakan Content-Based Filtering dengan Cosine Similarity. Jurnal SENSASI, 4(1), 25–33.
  10. Vahidi Farashah, V., Etebarian, A., Azmi, R., & Dastjerdi, A. (2021). Hybrid Recommender System Based on Link Prediction and DNN Approach. Journal of Big Data, 8(1), 1–14.

Most read articles by the same author(s)

1 2 3 4 > >> 

Similar Articles

321-330 of 387

You may also start an advanced similarity search for this article.