Sistem rekomendasi adalah sistem yang digunakan untuk memberikan prediksi
berupa ratings suatu item yang diberikan kepada sejumlah pengguna sehingga
pengguna memperoleh informasi item baru yang sesuai dengan apa yang disukai
dan preferensi masing-masing pengguna. Sistem rekomendasi ini banyak
digunakan di beberapa aplikasi seperti platform musik online, youtube, instagram,
dan platform film online. Sistem rekomendasi hanya bergantung pada rating
numerik untuk menghasilkan rekomendasi tetapi tidak mempertimbangkan review
dari pengguna, sehingga memungkin sistem memberi saran yang kurang akurat.
Opini dari pengguna dibutuhkan untuk meningkatkan personalisasi dan akurasi
dari rekomendasi. Analisis sentimen digunakan untuk menganalisis sentimen dari
review. Hasil dari analisis sentimen akan digabungkan dengan prediksi rating dari
sistem rekomendasi sehingga menghasilkan rekomendasi yang lebih akurat. Pada
penelitian ini metode yang digunakan adalah Bidirectional Long Short-Term
Memory (BiLSTM) sebagai model sentimen dan menggunakan Word2Vec sebagai
word embeddings, serta Collaborative Filtering (CF) Recommendation System
untuk memberikan rekomendasi kepada pengguna berdasarkan sentimen dari
review film. Dari pengujian ini, didapatkan hasil akurasi Analysis Sentiment
dengan rata-rata 0,74 dan tingkat error pada sistem rekomendasi dengan RMSE
0,27 dan MAE 0,21.
Kata Kunci: analisis sentimen, rekomendasi sistem, collaborative filtering,
BiLSTM, word embeddings.