Implementasi Machine Learning Untuk Rekomendasi Film Di Imdb Menggunakan Collaborative Filtering Berdasarkan Analisa Sentimen IMDB

Abstract

Perkembangan industri perfilman di dunia sangat berkembang pesat. IMDB adalah website yang telah lama digunakan untuk menyajikan informasi dan berbagi opini antar penikmat film yang ada di seluruh dunia, tanggapan mereka menjadi tolak ukur kesuksesan dari sebuah film terdapat banyak judul film, yang menyebabkan penonton kesulitan dalam memilih film. Meskipun dengan klasifikasi genre yang telah ada di website IMDB, tetapi klasifikasi ini terbilang cukup umum karena masih belum dapat mengatasi preferensi genre dari penonton yang berbeda-beda, seperti penonton dengan preferensi film yang memiliki genre comedy dengan sedikit bumbu romance, tentu akan berbeda hasilnya dengan film dengan genre comedy dengan bumbu action, banyak jenis genre film yang siap dtonton, tetapi banyak pengguna atau user yang kebingungan film apa yang akan di tonton. Oleh karena itu dibutuhkan sistem untuk merekomendasikan film agar sesuai dengan yang pelanggan atau user inginkan. Pada penelitian ini, penulis menerapkan teknologi komputersasi dalam menganalisa rekomendasi film dengan Collaborative Filtering yaitu metode User-based Filtering dan Item-based Filtering untuk mencari kesamaan dan memprediksi item dan juga analisa sentmen untuk melihat hasil ulasan dan mengklasifikasi komentar dari komentar pengunjung IMDB menggunakan Naive Bayes Classifier