@phdthesis{universitasamikomyogyakarta33168,
            year = {2026},
          school = {Universitas AMIKOM Yogyakarta},
           month = {May},
           title = {REKOMENDASI FILM BERDASARKAN RIWAYAT RATING
PENGGUNA MENGGUNAKAN COLLABORATIVE FILTERING},
          author = {Romiza Farrel Andaluswirawan Azmi},
        keywords = {Recommendation System, SVD, RQS, Collaborative Filtering,
MovieLens, Sistem Rekomendasi.},
        abstract = {Fenomena information overload pada industri perfilman digital saat ini 
mengakibatkan pengguna mengalami kesulitan dalam menentukan pilihan tontonan
yang relevan, yang berdampak pada penurunan efisiensi waktu dan kepuasan
3rekomendasi film yang mampu mengurai kompleksitas tersebut dengan
menerapkan tiga metode komparatif, yaitu Demographic Filtering, Content-Based
Filtering, dan Collaborative Filtering berbasis algoritma Singular Value
Decomposition (SVD). Implementasi sistem dilakukan menggunakan arsitektur
microservices dengan mengintegrasikan pangkalan data MovieLens dan TMDB.
Evaluasi kualitas performa sistem tidak hanya diukur melalui metrik statistik
RMSE dan MAE, tetapi juga melalui parameter usulan Recommendation Quality
Score (RQS) yang menggabungkan aspek akurasi, personalisasi, dan diversitas
secara proporsional. Hasil penelitian menunjukkan bahwa algoritma SVD
merupakan metode paling superior dengan capaian skor RQS tertinggi sebesar
80,78 dibandingkan metode lainnya. Sistem ini berhasil memberikan rekomendasi
yang presisi namun tetap variatif bagi pengguna guna memitigasi efek filter bubble.
Kontribusi penelitian ini dapat dimanfaatkan oleh pengembang platform streaming
video untuk meningkatkan retensi pengguna melalui personalisasi konten yang
lebih cerdas. Penelitian lebih lanjut direkomendasikan untuk melakukan kalibrasi
bobot heuristik RQS melalui pengujian langsung kepada responden riil atau
penggunaan algoritma deep learning untuk menangani skala data yang lebih masif.},
             url = {https://eprints.amikom.ac.id/id/eprint/33168/}
}