E-commerce telah menjadi salah satu sektor utama dalam transformasi digital,
memungkinkan transaksi jual beli secara online dengan berbagai manfaat, seperti
kemudahan akses, transparansi harga, dan efisiensi. Namun, perkembangan pesatnya
menghadirkan tantangan, terutama dalam memberikan rekomendasi produk yang relevan
kepada pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan
sistem rekomendasi berbasis Collaborative Filtering menggunakan pendekatan item
based. Algoritma yang digunakan meliputi Cosine Similarity untuk menghitung kemiripan
antar-item, serta metode Weighted Sum untuk pembobotan. Untuk mengukur performa
sistem, digunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error
(RMSE). Dataset yang digunakan terdiri dari 1000 data produk pakaian, seperti jaket, baju,
dan celana jeans, dengan atribut utama mencakup rating, kategori, merek, dan ukuran, yang
diperoleh dari Kaggle. Hasil penelitian ini diharapkan dapat menghasilkan sistem
rekomendasi yang akurat, meningkatkan pengalaman pengguna, dan memberikan
kontribusi positif terhadap platform e-commerce dalam meningkatkan tingkat konversi
serta kepuasan pelanggan. Hasil pengujian MAE, nilai kesalahan prediksi cenderung stabil
di sekitar angka 0.26. Hal ini menunjukkan bahwa sistem rekomendasi memiliki tingkat
akurasi yang baik dalam memprediksi rating produk yang akan diberikan oleh pengguna.
Pengujian RMSE menunjukkan hasil yang sedikit bervariasi. Nilai RMSE tertinggi
terdapat pada sampel data dengan 5 data dengan 0,52, sedangkan nilai terendah terdapat
pada sampel data dengan 3 data dengan 0,23.