Sistem Rekomendasi Produk Skincare Berbasis Item Menggunakan Cosine Similarity dan Weighted Sum
DOI:
https://doi.org/10.53624/0fsqne50Keywords:
Sistem Rekomendasi, Produk Skincare, Item-Based Collaborative Filtering, Cosine Similarity, Weighted Sum, WebsiteAbstract
Latar Belakang: Perkembangan industri skincare yang semakin pesat menyebabkan meningkatnya jumlah dan variasi produk perawatan kulit, sehingga pengguna mengalami kesulitan dalam menentukan produk yang sesuai dengan kebutuhan kulit. Tujuan: Penelitian ini bertujuan merancang dan mengimplementasikan sistem rekomendasi produk skincare berbasis website menggunakan metode Item-Based Collaborative Filtering (IBCF) dengan Cosine Similarity dan Weighted Sum. Metode: Dataset yang digunakan berasal dari Kaggle dan terdiri atas sekitar 8.000 data produk skincare. Karena dataset tidak menyediakan data interaksi pengguna secara langsung, penelitian ini membentuk data interaksi sintetis dari 50 pengguna dengan teknik random sampling dan rasio interaksi sebesar 30%. Data tersebut digunakan untuk membentuk matriks user-item sebagai dasar proses perhitungan rekomendasi. Evaluasi kinerja sistem dilakukan menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil: Hasil evaluasi menunjukkan nilai MAE sebesar 0,9792 dan RMSE sebesar 1,1522. Sistem mampu menghasilkan rekomendasi produk skincare berdasarkan tingkat kemiripan antarproduk menggunakan Cosine Similarity serta prediksi rating menggunakan Weighted Sum. Kesimpulan: Penerapan metode Item-Based Collaborative Filtering dengan Cosine Similarity dan Weighted Sum dapat menghasilkan rekomendasi produk skincare berdasarkan pola interaksi pengguna dan karakteristik kemiripan produk.
Downloads
References
Hartatik, H., Nurhayati, S. D., & Widayani, W. (2021). Sistem rekomendasi wisata kuliner di Yogyakarta dengan metode Item-Based Collaborative Filtering. Journal Automation Computer Information System, 1(2), 55–63. https://doi.org/10.47134/jacis.v1i2.8
Jaja, V. L., Susanto, B., & Sasongko, L. R. (2020). Penerapan metode Item-Based Collaborative Filtering untuk sistem rekomendasi data MovieLens. D’CARTESIAN, 9(2), 78–85. https://doi.org/10.35799/dc.9.2.2020.28274
Meilina, L., Kumara, I. N. S., & Setiawan, I. N. (2021). Literature review klasifikasi data menggunakan metode Cosine Similarity dan Artificial Neural Network. Majalah Ilmiah Teknologi Elektro, 20(2), 307–314. https://doi.org/10.24843/MITE.2021.v20i02.P15
Saifudin, I., & Widiyaningtyas, T. (2024). Systematic literature review on recommender system: Approach, problem, evaluation techniques, datasets. IEEE Access, 12, 19827–19847. https://doi.org/10.1109/ACCESS.2024.3359274
Saifudin, I., Widiyaningtyas, T., Zaeni, I. A. E., & Aminuddin, A. (2025). SVD-GoRank: Recommender system algorithm using SVD and Gower’s ranking. IEEE Access, 13, 19796–19827. https://doi.org/10.1109/ACCESS.2025.3533558
Waskito, M. R., Rahajoe, A. D., & Nurlaili, A. L. (2024). Implementasi metode Collaborative Filtering menggunakan algoritma Cosine Similarity dan Jaccard Similarity pada sistem e-commerce. Jurnal Informatika dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3S1.5315
Widiyaningtyas, T., Saifudin, I., Zaeni, I. A. E., Maulana, M. Z. N., & Caesarendra, W. (2025). Memory-based collaborative filtering based on matrix factorization and Gower’s set rank. Journal of King Saud University - Computer and Information Sciences, 37(9). https://doi.org/10.1007/s44443-025-00261-6
Chawraina, P., Sirijunyapong, N., Kanawong, R., Muangon, W., & Pongpinigpinyo, S. (2024). Facial skincare product recommendation system for people with facial skin problems. KKU Science Journal. https://doi.org/10.14456/kkuscij.2024.13
Ayuningrum, E., Azhar, Y., & Marthasari, G. I. (2024). Sistem rekomendasi produk skincare Korea berbasis web menggunakan metode Collaborative Filtering. Jurnal Repositor, 4(4). https://doi.org/10.22219/repositor.v4i4.32284
Hidayat, A. A., Maulindar, J., & Indah, R. P. (2025). Application of Item-Based Collaborative Filtering method for skincare recommendation system. Journal of Advances in Information and Industrial Technology, 7(1), 13–20. https://doi.org/10.52435/jaiit.v7i1.588
Putri, K. S. Y., Suarjaya, I. M. A. D., & Vihikan, W. O. (2024). Sistem rekomendasi skincare menggunakan metode Content Based Filtering dan Collaborative Filtering. Decode: Jurnal Pendidikan Teknologi Informasi, 4(3), 764–774. https://doi.org/10.51454/decode.v4i3.601
Sylvagno, G. S., & Rochadiani, T. H. (2025). Skincare recommendation system based on facial skin type with real-time weather integration. Jurnal Sisfokom (Sistem Informasi dan Komputer), 14(2). https://doi.org/10.32736/sisfokom.v14i2.2355
Adnanda Putri, J. S., & Haryono, K. (2025). A hybrid recommendation system for pregnancy-safe skincare: Integrating keyword-based and rule-based classification with content-based filtering. Jurnal Teknik Informatika (JUTIF), 6(3). https://doi.org/10.52436/1.jutif.2025.6.3.4646
Fkih, F. (2022). Similarity measures for Collaborative Filtering-based Recommender Systems: Review and experimental comparison. Journal of King Saud University Computer and Information Sciences, 34, 7645–7669. https://doi.org/10.1016/j.jksuci.2021.09.014
Zangerle, E., & Bauer, C. (2022). Evaluating recommender systems: Survey and framework. ACM Computing Surveys, 55(8), Article 170. https://doi.org/10.1145/3556536
Bauer, C., Zangerle, E., & Said, A. (2024). Exploring the landscape of recommender systems evaluation: Practices and perspectives. ACM Transactions on Recommender Systems, 2(1), Article 11. https://doi.org/10.1145/3629170
Zhang, Q., Lu, J., & Jin, Y. (2021). Artificial intelligence in recommender systems. Complex & Intelligent Systems, 7, 439–457. https://doi.org/10.1007/s40747-020-00212-w
Deldjoo, Y., Bellogín, A., & Di Noia, T. (2021). Explaining recommender systems fairness and accuracy through the lens of data characteristics. Information Processing & Management, 58(5), 102662. https://doi.org/10.1016/j.ipm.2021.102662
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Mohamad Fiqih Aldiyanto, Ilham Saifudin, Reni Umilasari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
1. Hak cipta atas artikel apa pun dipegang oleh penulisnya.
2. Penulis memberikan jurnal, hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk membagikan karya dengan pengakuan atas kepenulisan dan publikasi awal karya tersebut dalam jurnal ini.
3. Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan dari publikasi awalnya di jurnal ini.
4. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat mengarah pada pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
5. Artikel dan materi terkait yang diterbitkan didistribusikan di bawah Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0
How to Cite
.png)
