MOVIE GENRE PRODUCT CONVOLUTIONAL NEURAL NETWORK IMPACT FOR GEN Z

Jessika Kindly Susanto (2024) MOVIE GENRE PRODUCT CONVOLUTIONAL NEURAL NETWORK IMPACT FOR GEN Z. PROGRAM STUDI SARJANA SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

Text SKRIPSI JESSI - Jessika Kindly S_protected.pdf Download (4MB)

Abstract

Dalam beberapa tahun terakhir, perkembangan teknologi kecerdasan buatan dan pembelajaran mendalam telah memberikan dampak signifikan pada berbagai bidang, termasuk industri perfilman. Salah satu tantangan dalam industri ini adalah mengklasifikasikan genre film secara otomatis berdasarkan konten visualnya. Apalagi penonton film lebih banyak gen z yang menggunakannya. Tujuan: Penelitian ini bertujuan untuk mengetahui preferensi film kepada gen z dikota Banjarmasin. Metode: Menggunakan metode convolutional neural network (CNN). Hasil: Hasil penelitian menunjukkan bahwa preferensi genre film gen z lebih banyak yang paling banyak minat yaitu genre comedy dengan 32,1% (18 responden gen z yang memilih dari 53 responden), kemudian disusul dengan genre action 32% (17 responden gen z yang memilih dari 53 responden), dan genre horor 18,9% (10 responden gen z yang memilih dari 53 responden). Dan yang terakhir genre romance 17% (8 responden gen z yang memilih dari 53 responden). Simpulan: Dengan sistem google form 53 data responden dari hasil mengambil sampel 12 poster film dari ratting film tertinggi, dan pada CNN dapat terpredict melalui salah satu poster film tersebut . Sistem preferensi film ini memudahkan gen z dalam memilih film dengan ratting usia dan ratting film tersebut. Penelitian ini memberikan kontribusi dalam memahami penerapan teknologi informasi untuk meningkatkan layanan industri perfilman.

Actions (login required)

View Item