ANALISIS KECENDERUNGAN PENGGUNA PLATFORM STREAMING VIDEO (NETFLIX) BERDASARKAN GENRE (ACTION, HORROR, DAN ROMANCE) DENGAN MENGGUNAKAN ALGORITMA COLLABORATIVE FILTERING (CF) BERBASIS GEMINI AI

Ardiningrum Ikram Dwi Fadlullah; E Rizal;

ABSTRAK

Analisis Preferensi Genre Film dengan Collaborative Filtering Berbasis

Gemini AI

Ardiningrum Ikram Dwi Fadlullah1*, Erian Rizal2
,

1Teknik Informatika, Universitas Muhammadiyah Prof. DR. HAMKA, Indonesia
2Sistem dan Teknologi Informasi, Universitas Muhammadiyah

Prof. DR. HAMKA, Indonesia
*:erizal@uhamka.ac.id

This study aims to analyze user preferences for Action, Horror, and Romance
film genres on video streaming services using a Gemini AI-based Collaborative
Filtering algorithm. Data were collected from 1,017 respondents through an
online survey using a Likert scale of 1–5. The research stages include data
cleansing, calculating genre similarity using cosine similarity, and implementing
an item-based Collaborative Filtering algorithm. Gemini AI embedding was then
applied to enhance the semantic representation of genres. The results show that
Action is the most preferred genre, while the highest similarity score was found
between Horror and Romance. The developed recommendation system
successfully mapped genre similarities and provided relevant viewing
suggestions based on other users' preferences. The system achieved an
effectiveness rate of 62.38%. These findings serve as a foundation for developing
more adaptive and personalized recommendation systems in the future.
Keywords: Collaborative Filtering, Gemini AI, Recommendation System, Film
Genre, User Preference
Penelitian ini bertujuan untuk menganalisis preferensi pengguna terhadap genre
film Action, Horror, dan Romance dalam layanan streaming video dengan
menerapkan algoritma Collaborative Filtering berbasis Gemini AI. Data
diperoleh dari 1.017 responden melalui survei daring menggunakan skala Likert
1–5. Tahapan penelitian meliputi pembersihan data, perhitungan similarity antar
genre dengan cosine similarity, serta implementasi algoritma Collaborative
Filtering item-based. Selanjutnya, digunakan embedding Gemini AI untuk
meningkatkan representasi semantik dari genre yang dianalisis. Hasil penelitian
menunjukkan bahwa genre Action memiliki skor rata-rata tertinggi, sedangkan
similarity tertinggi antar genre terdapat antara Horror dan Romance. Sistem
rekomendasi yang dibangun berhasil memetakan kemiripan antar genre dan
memberikan saran tontonan yang relevan berdasarkan preferensi pengguna lain.
Tingkat efektivitas sistem yang diperoleh mencapai 62,38%. Temuan ini dapat
menjadi dasar bagi pengembangan sistem rekomendasi yang lebih adaptif dan
personal di masa mendatang.
Keywords: Penyaringan Kolaboratif, Gemini AI, Sistem Rekomendasi, Genre
Film, Preferensi Pengguna