F ilm telah menjadi salah satu hiburan favorit utama orang orang, film sendiri terbagi atas berbagai macam genre danjumlah filmnya sendiri pertahunnya terhitung mencapai ribuan. Hal ini mengundang kesulitan dalam memilih film yang sesuai dengan kriteria din kita Karena banyaknya film yang ada. Salah satu solusi dari permasalahan ini adalah system rekomendasi. Sistem Rekomendasi adalah model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan. Sistem Rekomendasi memanfaatkan opiniatau rating seseorangterhadap suatu barang Sistem Rekomendasi memerlukan model rekomendasi yang tepat agar apa yang direkomendasikan sesuai dengan keinginan pelanggan, serta mempermudah pelanggan mengambil keputusan yang tepat dalam menentukan produk yang akan dibelinya. Salah satu model perhitungan adalah Collaborative Filtering. Collaborative filtering merupakan proses penyaringan atau pengevaluasian item menggunakan opini orang lain. Penerapan metode Collaborative Filtering pada aplikasi rekomendasi di capai dengan mengimplementasikan algoritma Euclidean distance (perbedaan popularitas) yang berguna untuk menghitung nilai rekomendasi berdasarkan rating yang di berikan oleh user. Algoritma Euclidean distance menghasilkan rekomendasi dengan tingkat kesamaan terhadap keinginan user sebesar 0,6625, yang termasuk Kuat pada table range. Hal ini menunjukan bahwa kemiripan rekomendasi aplikasi dengan keinginan user cukup mirip. Dapat disimpulkan bahwa rekomendasi Euclidean distance dapat memberikan rekomendasi sesuai dengan keinginan user.