VOKASI NEWS – Penelitian ini mengembangkan sistem rekomendasi parfum berbasis TF-IDF, Cosine Similarity, dan Doc2Vec. Hasil evaluasi menunjukkan sistem mampu memberikan rekomendasi aroma yang relevan meski masih perlu pengembangan lebih lanjut.
Popularitas parfum yang meningkat seiring tren media sosial memberi peluang besar bagi industri wewangian untuk menyesuaikan produk dengan kebutuhan konsumen. Namun, banyaknya variasi aroma dan deskripsi yang kompleks membuat pengguna kesulitan memilih parfum. Masalah kelebihan informasi (information overload) juga memperlambat proses pengambilan keputusan. Untuk itu, dibutuhkan sistem yang dapat memberikan rekomendasi parfum secara akurat dan relevan sesuai preferensi pengguna.
Metode Pengembangan Sistem
Penelitian ini mengembangkan sistem rekomendasi berbasis konten dengan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Metode tersebut dipadukan dengan Doc2Vec serta mekanisme boosting notes. Dataset penelitian menggunakan Perfume Recommendation Dataset dari Kaggle.
Proses diawali dengan pembersihan dan normalisasi teks. Kata-kata pada kolom Notes diberi bobot lebih besar (7x) untuk memperkuat pengaruh karakteristik aroma. Fitur diekstraksi menggunakan TF-IDF dan Doc2Vec, lalu dihitung kesamaan antar parfum dengan Cosine Similarity. Skor hasil perhitungan digabungkan untuk menghasilkan rekomendasi akhir.
Sistem dibangun menggunakan Python Flask sebagai backend dengan antarmuka web yang responsif. Fitur tambahan mencakup autentikasi Google OAuth 2.0, daftar produk, sistem like, dan personalisasi rekomendasi.
Hasil Evaluasi dan Temuan
Evaluasi dilakukan melalui dua pendekatan, yaitu uji model dan persepsi pengguna. Berdasarkan ground truth dari ahli parfum, sistem memperoleh precision, recall, dan F1-score sebesar 0,60 (60%), yang menunjukkan kinerja sedang.
Dari sisi persepsi pengguna, penilaian menggunakan Mean Opinion Score (MOS) terhadap 17 responden menghasilkan skor rata-rata 4,37 dari 5,0 dengan kategori “baik”. Aspek dengan skor tertinggi adalah akurasi rekomendasi dan kualitas antarmuka, sedangkan skor terendah terkait kesediaan pengguna untuk menggunakan kembali sistem.
Kesimpulan dan Rekomendasi
Hasil penelitian membuktikan bahwa kombinasi TF-IDF, Cosine Similarity, dan Doc2Vec efektif menghasilkan rekomendasi parfum yang sesuai preferensi aroma pengguna. Evaluasi menunjukkan hasil cukup memuaskan, meski aspek retensi pengguna masih perlu ditingkatkan.
Pengembangan selanjutnya dapat dilakukan dengan memperluas dataset, menambahkan faktor konteks seperti musim dan acara, serta menerapkan metode hybrid filtering agar rekomendasi lebih variatif dan akurat. Dengan langkah tersebut, sistem rekomendasi parfum berpotensi menjadi solusi praktis bagi konsumen dalam menemukan wewangian yang sesuai kebutuhan.
[BACA JUGA: Mengenalkan dan Nostalgia Grup Lawak Aneka Ria Srimulat Di Kota Surabaya]
***
Penulis: Armandsyah Yudhiana
Editor: Fatikah Rachmadianty
