OPTIMALISASI SISTEM REKOMENDASI FILM BERBASIS DEMOGRAFI PENGGUNA LAYANAN NETFLIX

Condoleeza Menanti, Universitas Cenderawasih, Indonesia
Aryanto Aryanto, Universitas Cenderawasih, Indonesia

Abstract


Abstrak. Netflix sebagai layanan streaming global memanfaatkan sistem rekomendasi untuk meningkatkan kepuasan dan keterlibatan pengguna. Umumnya, sistem ini mengandalkan algoritma berbasis konten atau kolaboratif. Namun, pendekatan tersebut sering mengabaikan data demografis yang juga memengaruhi preferensi tontonan, seperti usia, jenis kelamin, dan negara. Penelitian ini bertujuan membangun Sistem Rekomendasi Film Berbasis Demografi dengan pendekatan K-Means Clustering. Data diambil dari dataset pengguna Netflix di Kaggle. Setelah melalui tahap pra-pemrosesan, dilakukan segmentasi pengguna berdasarkan atribut demografis. Setiap cluster dianalisis untuk mengetahui genre film yang dominan, yang kemudian digunakan sebagai dasar rekomendasi. Evaluasi sistem dilakukan melalui analisis kesesuaian rekomendasi dan survei pengguna. Hasil dari penelitian ini diharapkan  memberikan rekomendasi yang lebih relevan dengan karakteristik pengguna serta mampu mengatasi masalah cold-start. Pendekatan ini diharapkan dapat dikembangkan lebih lanjut untuk membentuk sistem rekomendasi yang lebih inklusif dan adaptif terhadap keragaman pengguna global.


Keywords


Sistem Rekomendasi; Demografi; K-Means; Cluster; Netflix

References


Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer.

Ariyus D., Manongga D., Sembiring I.. 2024. Pengantar Sistem Rekomendasi Teori Dan Implementasi. Purbalingga. Eureka Media Aksara.

Devi A. A., Dharmawan K., Tastrawati T.. 2023. Pengelompokan Saham Menggunakan K-Means Dalam Pembentukan Portofolio Optimal . E-Jurnal Matematika Vol. 12(4), November 2023, Pp. 302-308 Issn: 2303-1751.Doi: Https://Doi.Org/10.24843/Mtk.2023.V12.I04.P433

Gangothri V., Saranya S., Venkataraman D.. 2015. A Comprehensive Review Of Recommender Systems. International Journal Of Applied Engineering Research Number 6 (Pp. 13909-13919). Research India Publications. Coimbatore

Géron, A. (2019). Hands-On Machine Learning With Scikit-Learn, Keras, And Tensorflow (2nd Ed.). O’reilly Media.

Gunawardana, A., & Shani, G. (2015). Evaluating Recommender Systems. In Ricci, F., Rokach, L., & Shapira, B. (Eds.), Recommender Systems Handbook (Pp. 265–308). Springer.

Jain, A. K. (2010). Data Clustering: 50 Years Beyond K-Means. Pattern Recognition Letters, 31(8), 651–666.

Kaggle. (N.D.). Netflix User Data. Retrieved From Https://Www.Kaggle.Com/Datasets/Smayanj/Netflix-Users-Database

Maharani H., Gunawan A. F..(2014). Sistem Rekomendasi Mobil Berdasarkan Demographic Dan Content-Based Filtering. Jurnal Telematika, Vol. 9 No. 2. Bandung: Institut Teknologi Harapan Bangsa.

Muhima R. R., Kurniawan M., Wardhana R. S., Yudhana A., Sunardi, Rahmawati M. W., & Yuliastu E. G.. 2021. “Kupas Tuntas Algoritma Clustering: Konsep Perhitungan Manual Dan Program”. Yogyakarta: Andi.

Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender Systems Handbook. Springer.

Rousseeuw, P. J. (1987). Silhouettes: A Graphical Aid To The Interpretation And Validation Of Cluster Analysis. Journal Of Computational And Applied Mathematics, 20, 53–65.

Safrizal. (2024). Sistem Rekomendasi Demografic Filtering Untuk Penilaian Perilaku Dan Kompetensi Pengemudi Transportasi Umum Nasional. Jurnal Umj. Jakarta : Universitas Muhammadiyah Jakarta.

Syakur, M. A., Khotimah, B. K., Rochman, E. M. S., & Satoto, B. D. (2018). Integration K-Means Clustering Method And Elbow Method For Identification Of The Bestcustomer Profile Cluster. Iop Conference Series: Materials Science And Engineering, 336(1). Https://Doi.Org/10.1088/1757899x/336/1/012017

Wahyudi M., Masitha, Saragih R., Solikhun.. 2020. “Data Mining: Penerapan Algoritma K-Means Clustering Dan K-Medoids Clustering”. Jakarta : Yayasan Kita Menulis.




DOI: https://doi.org/10.21831/jssd.v4i1.24109

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Jurnal Statistika dan Sains Data

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Our journal is indexed by:


Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
</table
 JSSD Statistics