Netlix adalah salah satu aplikasi untuk menonton film secara online yang paling sering digunakan. Terdapat berbagai macam judul film yang dapat ditonton oleh user, sehingga dibutuhkan sebuah sistem rekomendasi untuk membantu user yang merasa kebingungan untuk memilih judul film. Twitter adalah sosial media yang digunakan untuk mengekspresikan ide, pikiran serta perasaan. Tidak sedikit user twitter melakukan diskusi film, dengan adanya diskusi film tersebut dapat diubah menjadi suatu rating yang dapat digunakan didalam sistem rekomendasi. Collaborative Filtering adalah salah satu metode dari sistem rekomendasi, dengan merekomendasikan berdasarkan kesamaan antar user (user-based) dan berdasarkan item yang memiliki kesamaan dengan item yang disukai user(item-based). Pada penelitian ini digabungkan metode Collaborative Filtering dengan klasifikasi K-Nearest Neighbors yang mendapatkan nilai RMSE untuk user-based sebesar 1.8244 dan item-based sebesar 0.5449 . K-Nearest Neighbors mendapatkan hasil precission 91,22% dan recall 91,07% untuk user-based, sementara item-based mendapatkan precission 89,44% dan recall 91,22% dengan parameter K optimal adalah 3.