Implementasi Chatbot Rekomendasi Film Menggunakan Algoritma Naive Bayes Dengan the Movies Dataset

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Pertumbuhan pesat industri film menyebabkan melimpahnya informasi yang tersedia, sehingga pengguna mengalami kesulitan dalam memilih film secara manual pada platform digital yang masih bersifat pasif. Penelitian ini berfokus pada pengembangan sistem chatbot rekomendasi film berbasis Telegram menggunakan The Movies Dataset dengan tujuan membangun sistem yang mampu memberikan rekomendasi film secara interaktif. Metode yang digunakan yaitu algoritma Naive Bayes dengan Term Frequency-Inverse Document Frequency (TF-IDF) sebagai teknik ekstraksi fitur teks. Hasil analisis menunjukkan model Naive Bayes memperoleh akurasi sebesar 0,72 sehingga cukup layak digunakan dalam sistem rekomendasi. Chatbot yang dibangun berhasil diimplementasikan dan mampu membantu pengguna menemukan film secara lebih efisien. Kata Kunci: chatbot, rekomendasi film, Naive Bayes, TF-IDF, Telegram