SISTEM REKOMENDASI PENJUALAN PRODUK FASHION MENGGUNAKAN METODE ITEM BASED COLLABORATIVE FILTERING

Abstrak

Dalam industri fashion yang selalu maju dan membuat inovasi baru, penjualan produk yang efektif dan efisien menjadi tantangan yang berat. Di karena kan hal ini, sistem rekomendasi dapat membantu konsumen untuk mencari produk yang sesuai dengan apa yang mereka butuhkan. Selain itu, pembeli ingin semakin diberi kemudahan dalam membeli suatu produk. Sistem yang dapat diterapkan dalam masalah ini adalah dengan membuat sebuah aplikasi atau program untuk memasarkan produk fashion sedangkan untuk konsumen/pembeli mereka dapat mendapatkan informasi tentang produk yang mereka cari secara jelas. Tujuan dari penelitian ini adalah untuk pengembangan sistem rekomendasi penjualan produk fashion menggunakan meode based collaborative filtering untuk menghitung nilai keserupaan suatu produk dengan produk lain nya. Sistem ini mengelompokkan produk berdasarkan kesamaan preferensi dan pola pencarian, sehingga dapat memberikan rekomendasi produk yang relevan dan sesuai. Hasil dari penelitian ini diharapkan dapat membantu pembeli untuk mendapatkan produk yang sesuai dengan preferensi pengguna dengan tingkat akurasi yang tepat.

In the fashion industry that is always advancing and making new innovations, effective and efficient product sales are a tough challenge. Because of this, a recommendation system can help consumers find products that suit their needs. In addition, buyers want to be given more convenience in buying a product. The system that can be applied in this problem is to create an application or program to market fashion products while consumers/buyers can get information about the products they are looking for clearly. The purpose of this study is to edevelop a fashion product sales recommendation system using the based collaborative filtering method to calculate the similarity value of a product to other products. This system groups products based on similarity of preferences and search patterns, so that it can provide relevant and appropriate product recommendations. The results of this study are expected to help buyers get products that match user preferences with the right level of accuracy.