Film merupakan salah satu bentuk hiburan yang diminati banyak orang. Dengan tersedianya platform streaming, pengguna kini dapat dengan mudah menikmati film kapanpun dan dimanapun. Selain itu, berkat adanya sistem rekomendasi pada platform tersebut, pengguna lebih mudah menemukan film yang sesuai dengan minatnya. Collaborative Filtering adalah paradigma yang umum digunakan dalam sistem rekomendasi. Namun, paradigma ini memiliki banyak tantangan, salah satunya adalah skalabilitas. Oleh karena itu, penelitian ini mengusulkan metode collaborative filtering dengan mengimplementasikan pengelompokan film berdasarkan genre. Proses pengelompokan pada penelitian ini dilakukan dengan memanfaatkan algoritma K-means. Algoritma Particle Swarm Optimization digunakan untuk mempermudah optimasi penentuan centroid awal pada K-Means. Metode PSO-KM menjadi sasaran analisis perbandingan dengan sistem yang sudah ada sebelumnya yang telah diterapkan menggunakan dataset Movielens. Temuan eksperimen menunjukkan bahwa metode yang diajukan menunjukkan optimalitas yang lebih besar dalam hal precision dan recall jika dibandingkan dengan metode sebelumnya. Namun, MAE hanya menghasilkan nilai yang lebih baik dalam beberapa nilai K saja. Selain itu, sistem yang kami usulkan mencapai hasil yang menjanjikan dalam hal skalabilitas dan memberikan rekomendasi film yang dipersonalisasi secara akurat sambil mengurangi masalah umum dari masalah cold start. Temuan ini menunjukkan bahwa pengelompokan item menggunakan K-means yang diintegrasikan dengan PSO memberikan hasil yang efektif dalam sistem rekomendasi.