SISTEM REKOMENDASI FILM MENGGUNAKAN K-MODES CLUSTERING dan NON NEGATIVE MATRIX FACTORIZATION BERBASIS WEBSITE

Film mengalami perkembangan dari waktu ke waktu seiring dengan berkembangya teknologi, terdapat lebih dari 4 juta judul film yang beredar secara digital. Banyaknya judul film yang beredar secara digital terkadang akan menyulitkan pengguna dalam menentukan film mana yang akan dilihat. Salah satu cara untuk mengatasi kesulitan tersebut adalah dengan merancang sebuah sistem rekomendasi yang dapat merekomendasikan film yang diharapkan dapat disukai oleh pengguna. Dalam tugas akhir ini dilakukan penggabungan dari dua metode, K-Modes Clustering untuk mengelompokkan film yang memiliki nilai kemiripan yang sama kedalam satu cluster dan Non Negative Matrix Factorization yang dapat digunakan untuk mengatasi kekosongan data yang muncul akibat sedikitnya rating yang diberikan dari pengguna yang berpengaruh pada hasil akurasi. Hasil Pengujian menunjukkan bahwa jumlah data dapat mempengaruhi nilai akurasi. Rata-rata nilai RMSE dan MAE yang diperoleh dari pengujian masih diatas 0.5 yang menandakan bahwa sistem ini belum cukup baik dalam memberikan prediksi.