Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi makanan dan minuman berbasis web menggunakan algoritma Collaborative Filtering, khususnya pendekatan Item-Based Collaborative Filtering. Tujuan lainnya adalah menganalisis pengaruh data histori pembelian terhadap akurasi sistem rekomendasi dan meningkatkan pengalaman pelanggan dalam memilih menu. Metode pengembangan sistem menggunakan pendekatan SDLC model Waterfall dengan pengujian Black Box. Sistem dibangun menggunakan PHP, MySQL, HTML, CSS, dan JavaScript. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang relevan, seperti pasangan produk dengan tingkat kemiripan tinggi: Toffee Butter dan Cafe Latte (0.901), Uncle’s Platter dan French Fries (0.801), serta Mini Woonton dan Dimsum Mix (0.754). Semakin tinggi nilai similarity, semakin besar peluang produk disukai oleh pengguna serupa. Dengan demikian, sistem rekomendasi yang dikembangkan terbukti efektif dan akurat dalam mengenali pola preferensi pelanggan berdasarkan data rating historis.

S12069

INF 0096 2025

Bekasi

Tersedia