Sistem Rekomendasi Produk Fashion Wanita Pada Ma Store Menggunakan Metode Content-based Filtering

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Perkembangan teknologi digital meningkatkan penjualan produk fashion secara online, tetapi banyaknya variasi produk sering menyulitkan pengguna dalam menemukan produk yang sesuai dengan preferensi dan ukuran tubuh. Permasalahan ini juga dialami oleh MA Store yang menawarkan berbagai produk daster dengan variasi warna, motif, dan ukuran. Penelitian ini bertujuan membangun sistem rekomendasi produk fashion wanita menggunakan metode Content-Based Filtering. Sistem menggunakan atribut warna dan motif sebagai fitur rekomendasi, sedangkan lingkar dada (LD) dan berat badan (BB) digunakan sebagai parameter filtering ukuran produk. Metode yang diterapkan meliputi preprocessing data, pembobotan Term Frequency-Inverse Document Frequency (TF-IDF), dan perhitungan Cosine Similarity untuk mengukur tingkat kemiripan antara preferensi pengguna dan data produk. Dataset yang digunakan terdiri dari 93 data produk daster yang diperoleh dari katalog MA Store. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan dengan nilai Cosine Similarity tertinggi sebesar 1,00. Berdasarkan evaluasi menggunakan Precision@5 dan Recall@5, sistem memperoleh nilai rata-rata Precision@5 sebesar 100% dan Recall@5 sebesar 25,94%. Hasil tersebut menunjukkan bahwa metode yang digunakan mampu memberikan rekomendasi produk yang sesuai dengan preferensi pengguna