Perkembangan industri film yang pesat menyebabkan jumlah pilihan film
semakin banyak sehingga pengguna sering mengalami kesulitan dalam menemukan
film yang sesuai dengan preferensinya. Untuk mengatasi permasalahan tersebut,
penelitian ini bertujuan membangun sistem rekomendasi film berbasis web
menggunakan metode User-Based Collaborative Filtering (UBCF). Metode ini
mengidentifikasi kemiripan antar pengguna berdasarkan pola rating yang diberikan.
Tingkat kemiripan pengguna dihitung menggunakan Pearson Correlation,
sedangkan prediksi rating dilakukan menggunakan metode Weighted Sum. Dataset
yang digunakan dalam penelitian ini adalah MovieLens yang dipublikasikan oleh
GroupLens Research. Tahapan penelitian meliputi pengumpulan data,
preprocessing, perhitungan similarity, prediksi rating, serta evaluasi model
menggunakan Mean Absolute Error (MAE). Hasil pengujian pada beberapa
skenario jumlah data uji, yaitu 200, 500, 1000, dan 20.168 data, menunjukkan
bahwa nilai MAE mengalami penurunan dari 0,7268 menjadi 0,6829 seiring
bertambahnya jumlah data uji. Nilai MAE tersebut menunjukkan bahwa rata-rata
kesalahan prediksi sistem berada di bawah satu poin rating pada skala 0,5–5,0
sehingga prediksi yang dihasilkan cukup mendekati rating aktual pengguna. Hasil
penelitian menunjukkan bahwa metode UBCF dengan Pearson Correlation dan
Weighted Sum mampu menghasilkan rekomendasi film yang sesuai dengan
preferensi pengguna. Sistem kemudian diimplementasikan dalam bentuk aplikasi
berbasis web yang dapat memberikan rekomendasi film secara personal kepada
pengguna.