Penerapan MBA Sebagai Metode Rekomendasi Susunan Film pada Gen Z Berdasarkan Genre Film dan Gender Pengguna

MUHAMAD THORIQ AHNAF, Ir. Adhistya Erna Permanasari, S.T., M.T., Ph.D., Rudy Hartanto, Dr. Ir., M.T., IPM.

2024 | Skripsi | TEKNOLOGI INFORMASI

Pertumbuhan pesat platform video streaming Over-The-Top (OTT) seperti Netflix, Vidio, Disney+, dan Amazon Prime telah menyebabkan pergeseran signifikan dari penyiaran tradisional ke siaran digital. Namun, tantangan utama yang dihadapi oleh platform-platform ini adalah tingginya laju churn rate, yaitu pengguna menghentikan langganan mereka karena ketidaksesuaian antara konten yang disediakan dan preferensi mereka, sehingga menyebabkan berkurangnya kepuasan pengguna. Salah satu penyebab ketidakpuasan pengguna yang sering ditemukan adalah ketidaksesuaian susunan konten yang disediakan saat pengguna baru saja menggunakan layanan video streaming atau dikenal dengan sebutan cold-start. Penelitian ini bertujuan untuk mengurangi masalah ketidakpuasan pengguna dengan memperbaiki salah satu masalah yang terjadi pada sistem rekomendasi yaitu permasalahan cold-start dengan menerapkan MBA dalam mengidentifikasi pola preferensi genre film dan memberikan rekomendasi yang dipersonalisasi berdasarkan genre film dan gender pengguna bahkan sedari awal penggunaan layanan video streaming tersebut. Penelitian ini menggunakan pendekatan eksploratif, dengan menerapkan metode market basket analysis menggunakan algoritma Apriori untuk menganalisis data yang dikumpulkan dari survei pengguna Generasi Z, yang merupakan konsumen aktif layanan OTT. Survei ini mengumpulkan informasi tentang detail demografi responden, platform OTT yang mereka gunakan, dan genre film yang mereka tonton setelah berlangganan layanan tersebut. Data tersebut diproses dan dianalisis menggunakan bahasa pemrograman Python, dengan pustaka khusus seperti Pandas dan MLXTend untuk menerapkan algoritma Apriori dan menghasilkan aturan asosiasi.

Sebanyak 218 responden telah memberikan pendapatnya mengenai preferensi genre mereka pada penelitian ini. Analisis menunjukkan pola preferensi genre yang berbeda antara pengguna laki-laki dan perempuan. Untuk responden laki-laki, genre drama sering diasosiasikan dengan aksi, sedangkan untuk responden perempuan, genre fantasi sering diasosiasikan dengan drama, dan Thriller dengan horor. Temuan ini menunjukkan bahwa MBA dapat digunakan untuk memberikan rekomendasi genre film yang sesuai dengan preferensi pengguna sedari awal penggunaan, sehingga diharapkan dapat membantu mengurangi tingkat ketidakpuasan pengguna dan menurunkan tingginya laju churn rate.

The rapid growth of Over-The-Top (OTT) platforms such as Netflix, Vidio, Disney+, and Amazon Prime has led to a significant shift from traditional broadcasting to digital streaming. However, a major challenge faced by these platforms is the high churn rate, where users discontinue their subscriptions due to a mismatch between the content provided and their preferences, resulting in decreased user satisfaction. One common cause of user dissatisfaction is the mismatch of content arrangements provided when users first start using the video streaming service, known as the cold-start problem. This study aims to mitigate user dissatisfaction by addressing one of the issues in recommendation systems, namely the cold-start problem, by applying Market Basket Analysis (MBA) to identify patterns in movie genre preferences and provide personalized recommendations based on users’ movie genres and gender, even from the initial use of the video streaming service.

The research employs an exploratory approach, utilizing the Market Basket Analysis using the Apriori algorithm to analyze data collected from a survey of Generation Z users, who are active consumers of OTT services. The survey gathered information on the respondents’ demographic details, their preferred OTT platforms, and the genres of movies they watched after subscribing to these services. The data was preprocessed and analyzed using the Python programming language, with specific libraries such as Pandas and MLXTend to implement the Apriori algorithm and generate association rules.

A total of 218 respondents provided opinions regarding their genre preferences in this study. The analysis revealed distinct patterns in genre preferences between male and female users. For male respondents, the drama genre was frequently associated with action, while for female respondents, the fantasy genre was often linked with drama, and thriller with horror. These findings indicate that MBA can be used to provide movie genre recommendations that align with user preferences from the initial use, thereby helping to reduce user dissatisfaction and lower the high churn rate.

Kata Kunci : Market Basket Analysis, Layanan Video Streaming, Preferensi Genre, Algoritma Apriori, Generasi Z