Sistem Rekomendasi Produk Fashion Wanita Pada MA Store Menggunakan Metode Content-Based Filtering

Perkembangan teknologi digital mendorong meningkatnya penjualan produk fashion secara online, namun banyaknya variasi produk sering membuat pengguna kesulitan menemukan produk yang sesuai dengan preferensi dan ukuran tubuh mereka. Permasalahan serupa terjadi pada MA Store, khususnya saat sesi live dengan jumlah penonton tinggi, di mana banyak pertanyaan terkait produk tidak dapat direspons secara optimal. Penelitian ini bertujuan untuk menganalisis, merancang, dan membangun sistem rekomendasi produk fashion wanita pada MA Store menggunakan metode Content-Based Filtering dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dan perhitungan Cosine Similarity.Penelitian ini menggunakan dataset sebanyak 93 produk fashion wanita dengan memanfaatkan karakteristik lingkar dada (LD), estimasi berat badan (BB), warna, dan motif dalam proses rekomendasi. Tahapan penelitian diawali dengan pengumpulan dan preprocessing data, dilanjutkan dengan filtering produk berdasarkan LD dan BB pengguna. Selanjutnya dilakukan pembobotan atribut menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dan perhitungan tingkat kemiripan menggunakan Cosine Similarity, kemudian produk diurutkan berdasarkan nilai kemiripan untuk menghasilkan rekomendasi. Sistem diimplementasikan berbasis web menggunakan Streamlit dan dievaluasi menggunakan Precision pada lima produk teratas dan Recall pada lima produk teratas.Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan sesuai dengan preferensi pengguna. Berdasarkan evaluasi yang dilakukan, sistem memperoleh nilai rata-rata Precision pada lima produk teratas sebesar 100% dan Recall pada lima produk teratas sebesar 25,94%. Hasil tersebut menunjukkan bahwa metode Content-Based Filtering yang diterapkan mampu memberikan rekomendasi yang tepat dan sesuai dengan preferensi pengguna.Link Jurnal: https://ejournal.itn.ac.id/jati