Pengembangan Model Rekomendasi Produk Menggunakan Hybrid Filtering Pada Toko Else Branded

Toko pakaian saat ini semakin berkembang untuk memenuhi permintaan konsumen yang modern dan aktif. Dalam menghadapi persaingan yang ketat, toko pakaian harus menemukan metode baru untuk meningkatkan pengalaman berbelanja bagi pelanggan serta penjualan. Salah satu toko pakaian di Ngaru Aru, Kec. Banyudono, Kabupaten Boyolali, Jawa Tengah adalah salah satu dari banyak toko pakaian yang berkembang di Indonesia yang berusaha menjangkau lebih banyak pelanggan dengan menawarkan pengalaman belanja yang lebih nyaman. Toko Else Branded menghadapi kendala dalam menentukan produk yang layak dipromosikan karena rekomendasi masih berbasis intuisi tanpa dukungan data.

Penelitian ini bertujuan mengembangkan sistem rekomendasi produk berbasis hybrid filtering untuk mendukung pengambilan keputusan dan meningkatkan penjualan. Metode CRISP-DM digunakan dengan tahapan persiapan data, pemodelan Collaborative Filtering (CF), Content-Based Filtering (CBF), dan gabungan keduanya. Sistem yang dihasilkan memiliki beberapa fitur utama, yaitu: Dashboard Admin (ringkasan data kategori, bahan, jumlah produk), Manajemen Produk (CRUD produk), Halaman Rekomendasi Admin, Dashboard Pelanggan, Halaman Tentang, Pencarian Rekomendasi (berdasarkan nama, kategori, bahan), serta Halaman Hasil Rekomendasi yang menampilkan produk dengan skor similaritas tertinggi.

Hasil evaluasi menunjukkan CF mencapai precision 1.0000, recall 0.9333, RMSE 0.2409, CBF precision 0.9476, recall 0.9370, RMSE 0.5111, dan Hybrid precision 1.0000, recall 0.9296, RMSE 0.3551. Selain itu, pengujian pengguna menunjukkan sistem mudah dipahami, fungsional, serta memuaskan baik bagi admin maupun pelanggan. Hal ini membuktikan bahwa Hybrid Filtering mampu menyeimbangkan keunggulan CF dan CBF, menghasilkan rekomendasi relevan, serta mendukung toko Else Branded dalam strategi promosi dan pemahaman kebutuhan pelanggan.