Recommender System saat ini memiliki peran penting dalam membantu pengambilan keputusan dengan memberikan identifikasi item yang bermanfaat bagi pengguna tersebut di berbagai macam domain. Seiring perkembangannya, kebutuhan akan Recommender System tidak hanya terfokus pada pengguna secara individual, namun juga pada grup dari sekelompok pengguna secara bersama-sama. Rekomendasi terhadap suatu grup saat ini memiliki masalah utama berupa menemukan teknik agregasi atau penggabungan informasi dari individual model yang merupakan profil anggota group atau hasil rekomendasi setiap anggota di grup tersebut pada suatu domain tertentu. Dalam penelitian tugas akhir ini, metode yang akan digunakan adalah Collaborative Filtering dimana metode ini merupakan salah satu metode yang paling sering digunakan dan mudah diterapkan dalam kebanyakan studi literatur dengan cara mencari kesamaan preferensi dari pengguna lain untuk mendapatkan rekomendasi. Hasil Collaborative Filtering ini digunakan untuk menguji teknik agregasi yang digunakan dan juga menguji dampak adanya penambahan prioritas pada group neighborhood terhadap akurasi yang dihasilkan.
Berdasarkan hasil pengujian, teknik agregasi rekomendasi average memberikan prediksi rating grup yang paling optimal dengan tingkat kesalahan RMSE 0.563, namun pada grup yang memiliki ukuran besar pada penelitian ini yaitu 4 dan 5 serta memiliki inner group similarity low dan medium cenderung memberikan prediksi yang lebih baik saat menggunakan teknik average weighted atau teknik agregasi rekomendasi average dengan penambahan prioritas pada group neighborhood. Selain itu, penambahan prioritas pada group neighborhood juga memberikan rekomendasi yang lebih baik pada beberapa teknik agregasi yang digunakan.