Untuk membangkitkan rekomendasi film yang bersifat personal dan dapat sedikit di luar dugaan bagi member di suatu rental VCD, diterapkan metode collaborative filtering recommendation.Collaborative filtering memungkinkan munculnya item yang memiliki karakteristik sama sekali berbeda dari item-item yang pernah dipilih sebelumnya namun ternyata menarik bagi user bersangkutan, karena rekomendasi didasarkan pada preferensi user -user lain juga. Feedback ditangkap secara implisit berupa data biner dengan hanya didasarkan pada perilaku seorang member apakah dia menyewa (‘1’) ataukah belum menyewa ( ‘0’) suatu judul film tertentu.Metode collaborative filtering yang digunakan adalah user-based collaborative filtering, item -based collaborative filtering, dan item -based collaborative filtering yang dikombinasikan dengan fitur konten. Hasil dari pengujian ketiga metode menunjukkan bahwa pada penggunaan user -based collaborative filtering terjadi kesalahan prediksi rata -rata sebanyak 58,8%; pada item-based collaborative filtering terjadi kesalahan prediksi rata-rata sebanyak 24,9%;sedangkan pada item-based collaborative filtering yang dikombinasikan dengan fitur konten terjadi kesalahan prediksi rata -rata sebanyak 24,4%. Pengkombinasian collaborative filtering dengan fiturkonten mengakibatkan hasil rekomendasi yang muncul tidak lagi memiliki karakter istik rekomendasi hasil collaborative filtering.