Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Rekomendasi Film Berbasis Semantic Search Menggunakan Sentence-BERT dan Facebook AI Similarity Search (FAISS)
Rekomendasi Film Berbasis Semantic Search Menggunakan Sentence-BERT dan Facebook AI Similarity Search (FAISS)
Natural Language Processing Tingkat: Intermediate Versi 1.0.0 43 Dilihat
5.0 (0 ulasan)

Rekomendasi Film Berbasis Semantic Search Menggunakan Sentence-BERT dan Facebook AI Similarity Search (FAISS)

Teknologi: Python Flask PyTorch HTML CSS JavaScript Tailwind CSS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Rekomendasi Film Berbasis Semantic Search Menggunakan Sentence-BERT dan Facebook AI Similarity Search (FAISS)

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Rekomendasi Film Berbasis Semantic Search Menggunakan Sentence-BERT dan Facebook AI Similarity Search (FAISS) via TikTok.

Overview & Cara Kerja

Movie Recommendation System merupakan sistem rekomendasi film cerdas berbasis kecerdasan buatan (Artificial Intelligence) modern yang mengintegrasikan State-of-the-Art (SOTA) Dense Semantic Embeddings (Sentence-BERT), Facebook AI Similarity Search (FAISS) untuk pencarian vektor berkecepatan sub-milidetik, serta IMDb Bayesian Weighted Quality Re-ranking untuk menyaring film rekomendasi berkualitas tinggi.

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

5 Tahap Pipeline
1 DATA INGESTION

Dataset Cleaning & Context Synthesis

Ingesti 9.837 data film, pembersihan baris anomali & missing values, parsing tahun rilis, dan sintesis dokumen metadata terstruktur menggabungkan judul, tahun, multi-genre, bahasa, dan sinopsis naratif.

Pandas & Regex Cleaning
2 DENSE EMBEDDING

Transformer Sentence-BERT Encoding

Pemodelan semantik menggunakan model pretrained Transformer `all-MiniLM-L6-v2` untuk memetakan teks film ke dalam ruang vektor kontinu 384 dimensi dengan normalisasi **L_2** otomatis.

Sentence-Transformers & PyTorch
3 VECTOR INDEXING

FAISS High-Speed Vector Database

Pembangunan indeks pencarian vektor berkecepatan tinggi menggunakan `faiss.IndexFlatIP` untuk komputasi Exact Cosine Similarity dengan latensi pencarian sub-milidetik (0.806 ms per kueri).

Facebook AI Similarity Search (FAISS)
4 QUALITY RE-RANKING

IMDb Bayesian Weighted Quality Scoring

Penyeimbangan skor kesamaan semantik dengan formula Bayesian Weighted Rating IMDb ($v, m, R, C$) melalui skema pembobotan hibrida **Final = α · Sim + (1-α) · Norm_WR**.

Bayesian Quality Scoring
5 DEPLOYMENT & UI

Flask Web App & Dual-Mode REST API

Integrasi sistem ke antarmuka web modern berbasis Flask & Tailwind CSS dengan fitur live autocomplete, mode pencarian ganda (Title vs Free Query), kartu poster sinematik, dan API endpoint JSON.

Flask & Tailwind CSS Web App
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

10 Berkas Proyek 2 Folder Utama Paket ZIP 31.05 MB
movie_embeddings.npy 14.39 MB
movie_faiss.index 14.39 MB
movies_cleaned.csv 8.87 MB
Dataset Pratinjau
recommender_config.json 301 B
index.html 64.63 KB
app.py 9.42 KB
movie_recommendation_system.ipynb 304.21 KB
Notebook Pratinjau
requirements.txt 134 B
Top Movies dataset.csv 4.66 MB
Dataset Pratinjau

movie-recommendation-sentence-bert-faiss.zip

Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.

Beli untuk Unduh ZIP

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11, macOS (Intel/Apple Silicon M1/M2/M3), Linux (Ubuntu 20.04+)

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Sangat Direkomendasikan)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB RAM (Rekomendasi 8 GB RAM untuk performa encoding & loading embedding instan)

Optimal untuk running service

Penyimpanan
Min. 1.5 GB Free Storage (untuk dependensi PyTorch, model Sentence-BERT, dan file artefak indeks FAISS)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan MySQL/PostgreSQL (Menggunakan FAISS Vector Index & file CSV teroptimasi)

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 43 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, Flask, PyTorch, HTML
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.