ANALISIS PERBANDINGAN METODE SIMILARITY PADA CONTENT-BASED RECOMMENDATION PRODUK LIQUID VAPE

Perkembangan industri liquid vape menyebabkan semakin banyaknya variasi produk yang tersedia, sehingga pengguna sering mengalami kesulitan dalam menentukan produk yang sesuai dengan preferensinya. Salah satu solusi yang dapat diterapkan adalah sistem rekomendasi berbasis Content-Based Recommendation yang memanfaatkan karakteristik produk tanpa memerlukan data interaksi pengguna. Penelitian ini bertujuan untuk membangun sistem rekomendasi produk liquid vape menggunakan pendekatan Content-Based Recommendation serta membandingkan performa empat metode similarity, yaitu Cosine Similarity, Jaccard Similarity, Euclidean Similarity, dan Manhattan Similarity, dalam menghasilkan rekomendasi produk. Dataset yang digunakan terdiri dari 996 produk liquid vape yang diperoleh dari Clouds Heaven Perintis Makassar dengan atribut nama produk, brand, flavor, volume, dan harga. Tahapan penelitian meliputi preprocessing data, pembentukan feature vector menggunakan TF-IDF, One-Hot Encoding, dan normalisasi Min-Max, dilanjutkan dengan perhitungan similarity menggunakan keempat metode. Hasil rekomendasi kemudian dievaluasi menggunakan metrik Average Similarity, Precision@5, Recall@5, F1-Score, Mean Reciprocal Rank (MRR), Runtime, dan Memory Usage. Penentuan metode terbaik dilakukan menggunakan pembobotan terhadap seluruh metrik evaluasi. Hasil penelitian menunjukkan bahwa Jaccard Similarity memperoleh skor evaluasi tertinggi dibandingkan metode lainnya. Metode ini menghasilkan tingkat kemiripan produk yang lebih baik serta memiliki performa evaluasi yang paling optimal berdasarkan kombinasi Average Similarity, Precision@5, Recall@5, F1-Score, MRR, Runtime, dan Memory Usage. Dengan demikian, Jaccard Similarity merupakan metode yang paling sesuai untuk diterapkan pada sistem rekomendasi produk liquid vape berbasis Content-Based Recommendation pada penelitian ini.