IMPLEMENTASI MACHINE LEARNING PADA SISTEM PENJUALAN BERBASIS WEB UNTUK REKOMENDASI PRODUK MENGGUNAKAN DATASET PUBLIK

Perkembangan teknologi informasi mendorong pemanfaatan sistem rekomendasi untuk membantu pengguna memperoleh buku yang sesuai dengan preferensinya. Penelitian ini bertujuan mengembangkan sistem rekomendasi buku berbasis web dengan menerapkan algoritma K-Nearest Neighbor (KNN) dan metode User-Based Collaborative Filtering. Sistem dibangun menggunakan framework Laravel, bahasa pemrograman Python sebagai mesin perhitungan rekomendasi, serta MySQL sebagai basis data. Proses rekomendasi dimulai dari pembentukan matriks user-item berdasarkan data rating pengguna, dilanjutkan dengan pencarian pengguna yang memiliki tingkat kemiripan tertinggi menggunakan Cosine Similarity, kemudian dilakukan perhitungan kontribusi setiap neighbor untuk memprediksi rating buku yang belum pernah dinilai oleh pengguna aktif. Buku dengan nilai prediksi tertinggi dipilih sebagai hasil rekomendasi. Kinerja sistem dievaluasi menggunakan metrik RMSE, MAE, Precision, Recall, F1-Score, Precision@10, Recall@10, dan Confusion Matrix. Hasil pengujian menunjukkan nilai RMSE sebesar 1,6541, MAE sebesar 1,3602, Precision sebesar 69,33%, Recall sebesar 69,75%, F1-Score sebesar 69,54%, Precision@10 sebesar 76,88%, dan Recall@10 sebesar 99,54%. Hasil tersebut menunjukkan bahwa kombinasi algoritma KNN dan User-Based Collaborative Filtering mampu menghasilkan rekomendasi buku yang relevan serta memberikan performa yang baik dalam mendukung proses pemilihan buku sesuai preferensi pengguna.