Penerapan Metode Hybrid Filtering dalam Sistem Rekomendasi Menu di Coffee Shop Teppi Rasa

Pertumbuhan industri coffee shop di Indonesia yang pesat menimbulkan permasalahan information overload bagi pelanggan akibat banyaknya variasi menu yang ditawarkan, sehingga menghambat proses pengambilan keputusan pemilihan menu. Coffee Shop Teppi Rasa, yang memiliki 30 jenis menu dalam 8 kategori, belum memiliki mekanisme bantuan pemilihan menu yang bersifat personal meskipun telah memiliki data riwayat transaksi yang memadai. Penelitian ini bertujuan untuk membangun sistem rekomendasi menu berbasis website menggunakan metode Weighted Hybrid Filtering. Metode yang digunakan menggabungkan Content-Based Filtering (CBF) dengan bobot α = 0,6 berbasis kemiripan atribut kategori, jenis, dan rasa menu menggunakan Cosine Similarity, serta Collaborative Filtering (CF) dengan bobot β = 0,4 berbasis popularitas frekuensi transaksi pelanggan. Sistem dikembangkan menggunakan framework Laravel dan basis data MySQL dengan metode Waterfall, diuji pada dataset 330 transaksi riil dari 199 pelanggan unik. Hasil pengujian fungsionalitas menggunakan Black Box Testing pada 9 skenario uji menunjukkan tingkat keberhasilan 100% tanpa ditemukan kesalahan pada seluruh fitur utama sistem, meliputi input preferensi dengan bobot berjenjang, penanganan cold-start, kalkulasi CBF dan CF, serta pengurutan Hybrid Score. Simulasi perhitungan menunjukkan sistem mampu menghasilkan peringkat yang presisi, di mana menu Cinta Merah Jambu memperoleh skor kemiripan konten (CBF) sebesar 99,0% dan skor popularitas (CF) sebesar 46,0%, yang setelah dikalikan bobot masing-masing menghasilkan komponen α×CBF sebesar 59,4% dan β×CF sebesar 18,4%, sehingga total Hybrid Score mencapai 77,8% dan menempati peringkat pertama rekomendasi. Sistem ini juga berhasil menampilkan transparansi nilai komputasi (Cosine Similarity, skor popularitas, dan Hybrid Score) secara langsung pada antarmuka pengguna sehingga rekomendasi dapat dipahami secara objektif. Dengan demikian, penerapan metode Weighted Hybrid Filtering terbukti mampu menghasilkan rekomendasi menu yang personal, akurat, dan transparan, serta membantu pelanggan menemukan menu yang sesuai selera secara lebih efisien.