PENGEMBANGAN SISTEM REKOMENDASI THRIFTING PADA E-COMMERCE MENGGUNAKAN METODE COLLABORATIVE FILTERING

Abstract

Pada zaman sekarang ini, semakin populernya tren thrifting membuat platform e-commerce yang menjual pakaian bekas berkualitas semakin berkembang. Namun, banyaknya pilihan sering kali membuat pengguna kesulitan menemukan produk yang sesuai dengan preferensi mereka. Platform e-commerce thrifting seperti Lekk.stuff masih mengandalkan pencarian manual, yang itu mengakibatkan kurang efisien dan memakan waktu. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis Collaborative Filtering agar pengguna dapat menemukan produk yang lebih relevan dengan minat mereka. Sistem ini menganalisis interaksi pengguna, seperti melihat produk (view), menambahkan ke keranjang (add to cart), dan melakukan pembelian (purchase), yang masing-masing diberi bobot nilai untuk menentukan relevansi produk. Sehingga hasilnya, sistem dapat memberikan tiga rekomendasi utama serta menampilkan produk best seller berdasarkan interaksi tertinggi dalam periode tertentu. Dari perhitungan yang dilakukan, diperoleh nilai rekomendasi tertinggi sebesar 8.13, 6.13, dan 3.34, di mana produk dengan nilai similaritas tertinggi menjadi prioritas utama. Dengan adanya sistem ini, proses belanja menjadi lebih efisien bagi pengguna, sekaligus membantu pemilik usaha meningkatkan pengalaman pelanggan serta potensi penjualan.