Penerapan Metode K-Nearest Neighbor Untuk Pemilihan Rekomendasi Film

Abstract

Di era digital, semakin banyak orang yang menikmati film sebagai salah satu bentuk hiburan. Hal ini membuat masyarakat semakin sulit menemukan film yang sesuai dengan kesukaannya. Oleh karena itu, diperlukan sistem rekomendasi film yang dapat membantu masyarakat menemukan film yang sesuai dengan kesukaannya. Penelitian ini menerapkan metode K-Nearest Neighbor (KNN) untuk membangun sistem rekomendasi film. KNN merupakan metode klasifikasi yang bekerja dengan cara mencari data yang paling mirip dengan data baru berdasarkan jarak Euclidean. Dalam penelitian ini jarak antar data film diukur berdasarkan atribut film seperti genre, sutradara, aktor, dan rating. Data yang digunakan dalam penelitian ini adalah data film dari website IMDb. Datanya terdiri dari 8 data film dengan 5 atribut. Hasil pengujian algoritma K-NN berhasil diterapkan dengan kriteria seperti rating, review, tahun rilis, durasi, dan genre