IMPLEMENTASI NEURAL COLLABORATIVE FILTERING UNTUK SISTEM REKOMENDASI MENU PADA SAKKA BASE – COFFEE & BARBER CITRALAND HELVETIA

Pemilihan menu di Sakka Base – Coffee & Barber Citraland Helvetia masih mengandalkan proses manual dan preferensi subjektif pelanggan tanpa adanya dukungan rekomendasi berbasis data historis. Penelitian ini bertujuan membangun sistem rekomendasi menu berbasis web menggunakan metode Neural Collaborative Filtering (NCF) dengan memanfaatkan umpan balik implisit dari riwayat transaksi. Dataset yang digunakan mencakup 4.908 interaksi dari 871 pelanggan dan 141 menu, yang setelah tahap praproses menghasilkan 4.707 interaksi positif unik. Pelatihan model dilakukan melalui grid search, dan performanya dievaluasi menggunakan strategi Leave-One-Out dengan metrik Hit Ratio (HR@10) serta Normalized Discounted Cumulative Gain (NDCG@10). Hasil pengujian menunjukkan bahwa arsitektur NCF terbaik mencapai nilai HR@10 sebesar 0,3500 dan NDCG@10 sebesar 0,1822. Capaian ini membuktikan bahwa algoritma NCF secara signifikan mampu mengenali pola preferensi laten pelanggan melampaui probabilitas tebakan acak, sehingga sistem berhasil menghasilkan variasi saran menu yang sangat personal dan relevan guna mendukung pengambilan keputusan pelanggan.