PENGEMBANGAN SISTEM REKOMENDASI PRODUK MINUMAN BERALKOHOL BERBASIS WEBSITE MENGGUNAKAN METODE TF-IDF DAN K-MEANS PADA LIQUORS365

Perkembangan teknologi informasi mendorong digitalisasi di berbagai sektor bisnis, termasuk ritel minuman beralkohol. Liquors365 masih mengandalkan toko fisik, WhatsApp, dan platform e-commerce dalam proses penjualan, rekomendasi produk masih dilakukan secara manual dan bergantung pada platform pihak ketiga. Sistem rekomendasi produk minuman beralkohol berbasis website menggunakan metode TF-IDF dan K-Means. TF-IDF digunakan untuk merepresentasikan fitur teks dari deskripsi produk, sedangkan K-Means digunakan untuk mengelompokkan produk berdasarkan kemiripan karakteristiknya. Pengembangan sistem dilakukan menggunakan metode Waterfall, sedangkan evaluasi dilakukan menggunakan metode Elbow, Silhouette Score, User Acceptance Testing (UAT), dan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa website berhasil dikembangkan dengan tingkat penerimaan pengguna sebesar 90% berdasarkan UAT. Metode Elbow digunakan untuk menentukan jumlah cluster optimal, sedangkan Silhouette Score digunakan untuk mengukur kualitas pemisahan antar kluster yang terbentuk. Metode Elbow menghasilkan jumlah cluster optimal sebanyak 10 (K = 10), sedangkan nilai Silhouette Score sebesar 0,0380 menunjukkan bahwa kualitas pemisahan antar cluster masih tergolong rendah. Sistem berhasil mengotomatisasi proses rekomendasi produk dan memperoleh skor SUS sebesar 88,75 yang termasuk kategori Best Imaginable, Grade A+, dan Acceptable, sistem dinilai mudah digunakan serta diterima dengan sangat baik oleh pengguna.