IMPLEMENTASI SISTEM REKOMENDASI PRODUK E-COMMERCE MENGGUNAKAN CONTENT-BASED FILTERING BERBASIS COSINE SIMILARITY

Abstract

Pesatnya perkembangan e-commerce menghadirkan tantangan berupa banyaknya pilihan produk yang dapat menimbulkan information overload bagi konsumen. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem rekomendasi produk berbasis Content-Based Filtering dengan Cosine Similarity. Metode ini memanfaatkan kombinasi fitur teks (judul dan deskripsi produk) yang direpresentasikan dengan TF-IDF, serta fitur numerik (harga, rating, dan jumlah rating) yang dinormalisasi menggunakan StandardScaler. Selanjutnya, seluruh fitur digabungkan dan dihitung tingkat kesamaannya dengan cosine similarity untuk menghasilkan rekomendasi produk yang relevan. Hasil penelitian menunjukkan bahwa pendekatan ini mampu memberikan rekomendasi yang logis, di mana produk dengan spesifikasi serupa ditampilkan secara berurutan berdasarkan tingkat kesamaan. Analisis tambahan juga memperlihatkan bahwa mayoritas produk memiliki rating tinggi meskipun harga bervariasi, menunjukkan harga bukan satu-satunya indikator kualitas. Dengan demikian, sistem ini terbukti efektif membantu konsumen dalam menemukan produk sesuai preferensi sekaligus memberikan insight bagi pelaku e-commerce.