Kemajuan teknologi saat ini memudahkan kita untuk menonton film, terutama melalui platform streaming online seperti Netflix. Platform media sosial seperti platform X digunakan untuk berdiskusi, berbagi informasi, dan merekomendasikan film kepada pengguna lain melalui post pada platform X. Rating film dapat digunakan untuk membangun sistem rekomendasi, termasuk Collaborative Filtering (CF) dan Content based Filtering (CBF). Namun, kedua metode tersebut memiliki keterbatasan masing-masing. Oleh karena itu, diperlukan pendekatan Hybrid Filtering untuk mengatasi tantangan yang ada dengan menggabungkan aspek-aspek dari CF dan CBF. Pendekatan Hybrid Filtering melibatkan proses CF dan CBF untuk meningkatkan akurasi rekomendasi film. Pada penelitian ini digunakan metode Cascade Hybrid Filtering, dengan Convolutional Neural Network (CNN) sebagai alat evaluasinya. Penelitian ini memberikan kontribusi yang signifikan dengan mengimplementasikan metode Cascade Hybrid Filtering berbasis CNN. Penelitian ini menggunakan beberapa skenario untuk membandingkan metode-metode yang ada untuk menghasilkan model yang paling akurat. Penelitian ini menyimpulkan bahwa Cascade Hybrid Filtering yang melibatkan CNN dan dioptimasi dengan RMSProp menghasilkan sistem rekomendasi film terbaik dengan MAE sebesar 0,8643, RMSE sebesar 0,6325, dan tingkat akurasi tertinggi sebesar 86,95%. Pengoptimalan RMSprop memberikan tingkat pembelajaran 6,250551925273976e-06, 88,40% untuk akurasi dan meningkat +5,52 dari nilai awal.