Rancang Bangun Sistem Rekomendasi Film Genre Animasi Menggunakan Algoritma K-Nearest Neighbor (KNN)

Melimpahnya pilihan film animasi pada platform streaming seringkali menyulitkan pengguna dalam menentukan tontonan yang sesuai dengan preferensi mereka. Sistem rekomendasi bawaan yang ada terkadang kurang akurat atau relevan, sehingga membuat pengguna menghabiskan waktu untuk mencari secara manual. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan merancang dan membangun sistem rekomendasi film genre animasi berbasis content-based filtering. Sistem ini dibangun berbasis web dan menggunakan algoritma K-Nearest Neighbor (KNN) untuk memberikan rekomendasi film yang akurat dan relevan secara otomatis. Data film animasi diperoleh dari The Movie Database (TMDB), dengan fokus pada atribut film seperti genre dan rating untuk mengukur tingkat kemiripan antar film. Proses perhitungan kemiripan ini menggunakan metrik Cosine Similarity untuk menentukan K film tetangga terdekat yang paling serupa dengan film yang disukai pengguna. Sistem yang dikembangkan mencakup fitur inti untuk mencari dan merekomendasikan film, serta mengelola data film yang tersedia.Hasil pengujian sistem menunjukkan bahwa penerapan algoritma KNN berhasil memberikan prediksi film yang relevan, dengan hasil yang optimal Sistem ini diharapkan dapat menjadi solusi pendukung keputusan berbasis data yang efektif bagi pengguna, mampu meningkatkan efisiensi dalam memilih tontonan, dan secara keseluruhan dapat menyajikan pengalaman menonton yang lebih baik.