This is the latest version of this item.

Perkembangan industri (skincare) yang semakin pesat menyebabkan meningkatnya jumlah dan variasi produk skincare sehingga pengguna sering mengalami kesulitan dalam menentukan produk yang sesuai dengan kebutuhan kulit mereka. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi produk skincare berbasis website menggunakan metode Item-Based Collaborative Filtering (IBCF) dengan algoritma Cosine Similarity dan Weighted Sum.
Dataset yang digunakan berasal dari Kaggle dan terdiri dari 8.000 data produk skincare yang mencakup atribut Product ID, Product Name, Brand, Category, Skin Type, Main Ingredients, Rating, dan Price. Karena dataset tidak memiliki data interaksi pengguna secara langsung, penelitian ini membentuk data interaksi menggunakan 50 pengguna sintetis untuk menghasilkan matriks user-item sebagai dasar perhitungan rekomendasi. Cosine Similarity digunakan untuk menghitung tingkat kemiripan antar produk, sedangkan Weighted Sum digunakan untuk menghitung prediksi rating dan menentukan peringkat rekomendasi.
Sistem diimplementasikan dalam bentuk aplikasi berbasis website tanpa proses registrasi akun. Evaluasi dilakukan menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE) terhadap 24.000 data pengujian. Hasil evaluasi menunjukkan nilai MAE sebesar 0,9792 dan RMSE sebesar 1,1522. Hasil penelitian menunjukkan bahwa metode Item-Based Collaborative Filtering dengan Cosine Similarity dan Weighted Sum mampu menghasilkan rekomendasi produk skincare yang relevan berdasarkan pola rating pengguna.