Abstract

Seiring berjalannya waktu, setiap orang akan mengikuti perkembangan zaman yang semakin modern dalam segala hal terutama dalam hal perawatan kesehatan kulit wajah yang mengakibatkan kebutuhan akan produk perawatan kulit sangat diperlukan. Meningkatnya penggunaan teknologi digital dan maraknya berbagai macam jenis skincare membuat sistem rekomendasi produk skincare menjadi semakin penting. Sistem rekomendasi untuk pemilihan skincare ini dibuat untuk dapat merekomendasikan skincare yang cocok dengan tipe wajah pengguna serta kandungan yang sesuai dengan kulit wajah pengguna berdasarkan preferensi dari pengguna lain. Terdapat beberapa metode untuk implementasi dari sistem rekomendasi, yakni menggunakan metode Hybrid Filtering dengan mengkombinasikan Content Based Filtering yang diimplementasikan dengan pembobotan TF-IDF dan Collaborative Filtering yang diimplementasikan menggunakan algoritma Convolutional Neural Network (CNN). Pengujian metode Hybrid Filtering dilakukan dengan menghitung banyaknya jumlah relevan dari hasil rekomendasi berdasarkan input pengguna yang dikumpulkan dengan metode survei. Pada pengujian metode Hybrid Filtering menunjukkan bahwa rata-rata nilai precision terbesar dengan menampilkan top 5 produk hasil rekomendasi dengan nilai precision sebesar 0.776 dibandingan dengan menampilkan 10 sampai dengan 15 produk hasil rekomendasi. Untuk mengukur tingkat kepuasan terhadap hasil sistem rekomendasi dari pengguna pada penelitian ini dihitung dengan metode CSAT yang dimana skor CSAT dari hasil survei kepada pengguna sebesar 80% yang tergolong dalam ‘Excellent CSAT’.

Full Text
Paper version not known

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call

Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.