PENGEMBANGAN BACKEND SISTEM REKOMENDASI PRODUK BERBASIS COLLABORATIVE FILTERING MENGGUNAKAN ALGORITMA SINGULAR VALUE DECOMPOSITION

Sistem rekomendasi produk memegang peranan penting dalam meningkatkan pengalaman pengguna dan mendorong konversi penjualan pada platform e- commerce. Di PT. Renos Marketplace Indonesia (renos.id), implementasi sistem
rekomendasi sebelumnya masih bersifat acak sehingga personalisasi dan relevansi hasil rekomendasi belum optimal. Penelitian ini bertujuan untuk mengembangkan backend sistem rekomendasi produk yang bersifat personal dan relevan terhadap preferensi pengguna, menggunakan pendekatan Collaborative Filtering berbasis algoritma Singular Value Decomposition (SVD). Sistem dikembangkan
menggunakan bahasa Python dengan framework FastAPI dan PostgreSQL sebagai basis data, serta diimplementasikan pada lingkungan Virtual Private Server (VPS) untuk menjamin keamanan dan kepatuhan terhadap regulasi data. Model
rekomendasi mengintegrasikan empat parameter interaksi pengguna — product view, favourite, review/rating, dan purchase — yang diolah secara dinamis dalam matriks interaksi pengguna dan item. Evaluasi dilakukan melalui pengujian blackbox terhadap 33 pengguna aktif yang masing-masing menerima 30 rekomendasi produk. Hasil pengujian menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 0,1886; Mean Squared Error (MSE) sebesar 0,0366; dan Mean
Absolute Error (MAE) sebesar 0,1242 yang menandakan akurasi prediksi sistem tergolong baik. Selain itu, uji persepsi melalui kuesioner Skala Likert terhadap 11 karyawan internal pada lingkungan staging menghasilkan skor rata-rata di atas 4 dari 5 pada seluruh indikator, dengan nilai tertinggi 4,55 pada aspek peningkatan peluang pembelian. Hasil ini menunjukkan bahwa sistem rekomendasi yang dikembangkan berhasil meningkatkan relevansi produk sesuai preferensi pengguna dan memberikan kontribusi positif terhadap potensi transaksi di renos.id.