Implementasi Algoritma Decision Tree untuk Rekomendasi Film dan Klasifikasi Rating pada Platform Netflix
Implementation of Decision Tree Algorithm for Movie Recommendation and Rating Classification on the Netflix Platform
DOI:
https://doi.org/10.57152/malcom.v4i2.1255Keywords:
Decision Tree, Klasifikasi Rating, Netflix, Rekomendasi FilmAbstract
Sebagai salah satu platform video streaming terbesar di dunia, Netflix telah berkembang pesat sejak pendiriannya pada tahun 1997, awalnya berfokus pada penyewaan DVD, namun kemudian beralih ke layanan streaming online pada tahun 2007. Dengan jutaan pelanggan global, Netflix terus berinovasi dengan paket langganan, produksi konten eksklusif, dan teknologi analisis data serta machine learning untuk meningkatkan pengalaman pengguna. Penelitian ini menerapkan algoritma Decision Tree untuk meningkatkan sistem rekomendasi dan klasifikasi rating di Netflix. Menggunakan dua dataset utama, movies_df dan ratings_df, penelitian melibatkan langkah-langkah pengumpulan dan penggabungan data, penentuan fitur dan variabel target, pembagian data, pelatihan model, serta evaluasi. Hasilnya mencakup evaluasi model Decision Tree dengan metrik akurasi, precision, recall, dan F1-score untuk setiap kategori rating, serta visualisasi grafik batang tentang jumlah rating film dan presentase rating dari 1-5. Rekomendasi film berdasarkan model Decision Tree juga disajikan, memberikan wawasan tentang peningkatan sistem rekomendasi di Netflix. Kesimpulan menunjukkan bahwa implementasi algoritma Decision Tree dapat meningkatkan akurasi rekomendasi film dan klasifikasi rating di Netflix, berkontribusi pada pengalaman pengguna yang lebih personal di era layanan streaming online.
References
B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner,” JBASE-Journal of Business and Audit Information Systems, vol. 4, no. 1, 2021.
A. D. Lotz, O. Eklund, and S. Soroka, “Netflix, library analysis, and globalization: rethinking mass media flows,” Journal of Communication, vol. 72, no. 4, pp. 511–521, 2022.
S. Chris and D. Susilawati, “Analisis Perancangan Sistem untuk Kepuasan Pelanggan pada UD. Shinta Elektronic dengan Menggunakan Metode Algoritma C4. 5,” ALGOR, vol. 1, no. 2, pp. 52–58, 2020.
M. L. Wayne, “Netflix audience data, streaming industry discourse, and the emerging realities of ‘popular’television,” Media Cult Soc, vol. 44, no. 2, pp. 193–209, 2022.
Natalie Sherman, “Netflix: Four things which have driven its success.” Accessed: Jan. 14, 2024. [Online]. Available: https://www.bbc.com/news/business-55723926
J. Fadlil and W. F. Mahmudy, “Pembuatan Sistem Rekomendasi Menggunakan Decision Tree dan Clustering,” Jurnal Ilmiah Kursor, vol. 3, no. 1, 2007.
H. Steck, L. Baltrunas, E. Elahi, D. Liang, Y. Raimond, and J. Basilico, “Deep learning for recommender systems: A Netflix case study,” AI Mag, vol. 42, no. 3, pp. 7–18, 2021.
C. A. Gomez-Uribe and N. Hunt, “The netflix recommender system: Algorithms, business value, and innovation,” ACM Transactions on Management Information Systems (TMIS), vol. 6, no. 4, pp. 1–19, 2015.
Kait Fore, “The Impact of Streaming Services on the Movie Industry.” Accessed: Jan. 16, 2024. [Online]. Available: https://motionpicture.edu/socialcinema/2023/06/19/the-impact-of-streaming-services-on-the-movie-industry/
S. Jayalakshmi, N. Ganesh, R. ?ep, and J. Senthil Murugan, “Movie recommender systems: Concepts, methods, challenges, and future directions,” Sensors, vol. 22, no. 13, p. 4904, 2022.
Y. Ali et al., “A hybrid group-based movie recommendation framework with overlapping memberships,” PLoS One, vol. 17, no. 3, p. e0266103, 2022.
M. R. A. Zayyad and A. Kurniawardhani, “Penerapan Metode Deep Learning pada Sistem Rekomendasi Film,” AUTOMATA, vol. 2, no. 1, 2021.
Sarah Juliandiny, “Aplikasi Data Science: Sistem Rekomendasi Netflix.” Accessed: Jan. 16, 2024. [Online]. Available: https://pacmann.io/blog/aplikasi-data-science-pada-recommendation-system-netflix
R. Rusito and M. Firmansyah, “Implementasi Metode Decision Tree Dan Algoritma C4. 5 Untuk Klasifikasi Data Nasabah Bank,” Jurnal Ilmiah Infokam, vol. 12, no. 2, 2016.
R.-C. Chen, C. Dewi, S.-W. Huang, and R. E. Caraka, “Selecting critical features for data classification based on machine learning methods,” J Big Data, vol. 7, no. 1, p. 52, 2020.
T. Sasao, Classification Functions for Machine Learning and Data Mining. Springer Nature, 2023.
“Decision Tree: Pengertian, Manfaat, Cara Buat & Plus Minusnya.” Accessed: Jan. 14, 2024. [Online]. Available: https://www.ocbc.id/id/article/2023/06/20/decision-tree-adalah
I. Sutoyo, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” Jurnal Pilar Nusa Mandiri, vol. 14, no. 2, pp. 217–224, 2018.
G. D. M. Zulma and N. Chamidah, “Perbandingan Metode Klasifikasi Naive Bayes, Decision Tree Dan K-Nearest Neighbor Pada Data Log Firewall,” in Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2021, pp. 679–688.
J. Eska, “Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4. 5,” 2018.
K. F. L. Simanjuntak, A. C. B. Barus, and A. Anita, “Implementasi Metode Decision Tree Dan Algoritma C4. 5 Untuk Klasifikasi Kepribadian Masyarakat,” JOISIE (Journal Of Information Systems And Informatics Engineering), vol. 5, no. 1, pp. 51–59, 2021.
S. B. Kotsiantis, “Decision trees: a recent overview,” Artif Intell Rev, vol. 39, pp. 261–283, 2013.
V. Podgorelec, P. Kokol, B. Stiglic, and I. Rozman, “Decision trees: an overview and their use in medicine,” J Med Syst, vol. 26, pp. 445–463, 2002.
