English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Industry perfilman dunia merupakan salah satu industry yang  tidak terpengaruh dengan maraknya hiburan digital seperti munculnya media social, program televisi yang beragam dan game. Industry film yang terus melakukan produksi ini semakin menambah informasi film yang melimpah di internet. Kondisi ini justru membuat para penikmat film menjadi kebingungan ketika harus memilih film kesukaannya. Sistem rekomendasi menyediakan informasi  berdasarkan interaksi pengguna dan item yang telah terekam sebelumnya. Pendekatan content-based filtering merupakan salah satu pendekatan pada sistem rekomendasi yang mampu memberikan rekomendasi item berdasarkan fitur atau atribut yang memiliki kemiripan dengan item yang telah berinteraksi dengan pengguna. Penelitian ini akan membahas pembangunan sistem rekomendasi dengan metode prototype menggunakan algoritma K-Nearest Neighbors (KNN) serta pendekatan content-based filtering . K-Nearest Neighbors digunakan untuk mengklasifikasikan objek baru berdasarkan atribut dan sampel dari data training . Metode pembangunan sistem prototype memiliki beberapa tahapan yaitu communication, quick plan and modelling design, construction of prototype, serta deployment delivery and feedback . Berdasarkan hasil pengujian, sistem yang dibangun dapat memberikan rekomendasi film dan hasil pengujian akurasi yang didapatkan dengan nilai k sebesar 5 (lima) adalah sebesar 67%. Kata kunci: Sistem Rekomendasi, Content-Based Filtering, K-Nearest Neighbors, Movie

Sistem Rekomendasi Film Berbasis Website Dengan Metode Prototype Menggunakan Algoritma K-Nearest Neighbors (KNN)