EFEKTIVITAS METODE COLLABORATIVE FILTERING UNTUK REKOMENDASI PRODUK CLOTHING

Penelitian ini secara komprehensif menganalisis efektivitas metode User-Based Collaborative Filtering dalam membangun sebuah sistem rekomendasi untuk produk clothing. Dengan menggunakan pendekatan kuantitatif eksperimental, data ulasan dan rating pengguna dikumpulkan dari toko "GFS" di platform Shopee melalui teknik web scraping. Inti dari metodologi penelitian ini adalah implementasi algoritma untuk menghitung kemiripan antar pengguna menggunakan metrik Euclidean Distance, yang kemudian hasilnya dimanfaatkan untuk memprediksi rating produk melalui metode Weighted Sum. Evaluasi kuantitatif terhadap sistem yang diimplementasikan pada 400 data uji menunjukkan performa yang sangat baik, dibuktikan dengan nilai Mean Absolute Error (MAE) sebesar 0,052, Root Mean Square Error (RMSE) sebesar 0,306, dan nilai Precision yang mencapai 1,00 yang setara dengan tingkat keberhasilan 97%. Hasil evaluasi ini mengindikasikan tingkat akurasi prediksi yang sangat tinggi dengan selisih error yang rendah, membuktikan bahwa metode User-Based Collaborative Filtering sangat efektif dan relevan untuk memberikan rekomendasi produk clothing yang dipersonalisasi.