Sistem Rekomendasi Produk Menggunakan Metode Item-Based Collaborative Filtering

Abstract

E-commerce telah menjadi salah satu sektor utama dalam transformasi digital, memungkinkan transaksi jual beli secara online dengan berbagai manfaat, seperti kemudahan akses, transparansi harga, dan efisiensi. Namun, perkembangan pesatnya menghadirkan tantangan, terutama dalam memberikan rekomendasi produk yang relevan kepada pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi berbasis Collaborative Filtering menggunakan pendekatan item-based. Algoritma yang digunakan meliputi Cosine Similarity untuk menghitung kemiripan antar-item, serta metode Weighted Sum untuk pembobotan. Untuk mengukur performa sistem, digunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Dataset yang digunakan terdiri dari 1000 data produk pakaian, seperti jaket, baju, dan celana jeans, dengan atribut utama mencakup rating, kategori, merek, dan ukuran, yang diperoleh dari Kaggle. Hasil penelitian ini diharapkan dapat menghasilkan sistem rekomendasi yang akurat, meningkatkan pengalaman pengguna, dan memberikan kontribusi positif terhadap platform e-commerce dalam meningkatkan tingkat konversi serta kepuasan pelanggan. Hasil pengujian MAE, nilai kesalahan prediksi cenderung stabil di sekitar angka 0.26. Hal ini menunjukkan bahwa sistem rekomendasi memiliki tingkat akurasi yang baik dalam memprediksi rating produk yang akan diberikan oleh pengguna. Pengujian RMSE menunjukkan hasil yang sedikit bervariasi. Nilai RMSE tertinggi terdapat pada sampel data dengan 5 data dengan 0,52, sedangkan nilai terendah terdapat pada sampel data dengan 3 data dengan 0,23.