SISTEM REKOMENDASI PRODUK SKINCARE MENGGUNAKAN CONTENT-BASED FILTERING DENGAN WORD2VEC DAN COSINE SIMILARITY

Perkembangan pesat industri perawatan kulit telah menyebabkan peningkatan jumlah produk dengan berbagai bahan aktif sehingga seringkali membuat konsumen kesulitan memilih produk yang sesuai dengan kebutuhan dan kondisi kulit mereka. Pemilihan produk yang salah dapat menyebabkan efek samping pada kulit sehingga diperlukan sistem yang dapat memberikan rekomendasi produk perawatan kulit yang akurat dan relevan. Penelitian ini bertujuan untuk membangun sistem rekomendasi produk skincare berbasis content-based filtering menggunakan metode Word2Vec dan Cosine similarity dengan dataset sebanyak 567 produk skincare yang diperoleh dari platform Sociolla mencakup empat kategori produk yaitu Facial Wash, Serum, Moisturizer, dan Sunscreen. Proses pengolahan data dimulai dengan tahap preprocessing teks yang meliputi case folding, tokenisasi, stopword removal, dan stemming. Selanjutnya representasi fitur teks dilakukan menggunakan metode Word2Vec untuk mengubah kata-kata menjadi vektor numerik dan tingkat kemiripan antar produk dihitung menggunakan Cosine Similarity. Sistem dievaluasi menggunakan tiga metrik yaitu Precision@10, Recall@10, dan Mean Average Precision (MAP@10), dengan angka 10 menunjukkan jumlah produk teratas (top-10) yang dipertimbangkan dalam perhitungan, berdasarkan enam skenario pengujian dengan tiga jenis inputan yang berbeda. Hasil evaluasi menunjukkan bahwa sistem menghasilkan nilai Precision@10 rata-rata sebesar 0.7166, Recall@10 rata-rata sebesar 0.2908, dan MAP@10 sebesar 0.8128. Nilai MAP@10 ini menunjukkan bahwa sistem mampu menempatkan produk yang relevan pada posisi awal daftar rekomendasi, sehingga kualitas ranking tergolong baik. Namun, sistem menunjukkan performa yang kurang optimal pada inputan berupa bahan aktif spesifik dibandingkan inputan berupa masalah kulit secara umum.