Rekomendasi Ukuran Baju Dewasa Menggunakan Algoritma K-Nearest Neighbor dan Support Vector Machine: Adult Clothing Size Recomendation Using K-Nearest Neighbor and Support Vector Machine Algorithm

Abstrak

Kemunculan platform toko online telah mengubah cara masyarakat berbelanja, termasuk dalam pembelian pakaian. Kendati menawarkan kemudahan dan aksesibilitas, berbelanja pakaian secara online seringkali menghadirkan masalah ketidakcocokan ukuran, yang menyebabkan ketidaknyamanan bagi konsumen. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sistem rekomendasi ukuran baju menggunakan atribut meliputi jenis kelamin, bentuk badan, tinggi badan, berat badan, dan lingkar dada. Sistem ini menggunakan dua algoritma, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), yang dievaluasi untuk menentukan performa terbaik dalam memberikan rekomendasi ukuran. Hasil eksperimen menunjukkan bahwa metode SVM dengan kernel RBF dan pendekatan One-vs-Rest pada proporsi data 80:20 memberikan akurasi tertinggi sebesar 76%, presisi 78%, recall 76%, dan F1 score 76%, sehingga terpilih sebagai model yang diimplementasikan pada website rekomendasi. Pengujian fungsional pada website dengan metode black box testing menunjukkan bahwa sistem telah memenuhi seluruh persyaratan, termasuk registrasi, login, input data, rekomendasi ukuran, dan logout. Keseluruhan hasil penelitian ini menunjukkan bahwa algoritma SVM memiliki performa lebih unggul dibandingkan KNN dalam klasifikasi ukuran baju, serta memastikan keandalan fungsional sistem dalam memberikan rekomendasi yang sesuai bagi pengguna