Industri ritel memainkan peran penting dalam perekonomian global, mendorong
inovasi dan kepuasan konsumen melalui operasi yang efisien dan manajemen
inventaris yang efektif. Penelitian ini bertujuan untuk mengembangkan dan
mengoptimalkan sistem rekomendasi user-based collaborative filtering (UBCF)
untuk mesin penjual otomatis cerdas. Secara khusus, karena ketidakmampuan untuk
memperoleh penilaian konsumen terhadap produk selama proses penjualan pada
mesin ritel, studi ini memanfaatkan data penjualan historis dari mesin penjual
otomatis cerdas. Rata-rata penjualan harian berbagai produk digunakan sebagai
indeks penilaian implisit untuk lebih akurat mencerminkan preferensi konsumen
dalam proses pemodelan.
Penelitian ini menggunakan k-fold cross-validation dan mengevaluasi prediksi
penilaian menggunakan metrik root mean squared error (RMSE), mean squared
error (MSE), dan mean absolute error (MAE). Selain itu, rekomendasi atau item
yang direkomendasikan dievaluasi menggunakan metrik penting dan kurva receiver
operating characteristic (ROC) untuk menilai matriks kebingungan (confusion
matrix). Hasil penelitian menunjukkan bahwa sistem rekomendasi yang diusulkan
menunjukkan keandalan dan efektivitas. Penelitian ini memberikan kontribusi
terhadap kemajuan teknologi dalam industri ritel dengan mengembangkan model
UBCF yang kokoh dan disesuaikan untuk mesin penjual otomatis cerdas. Model
yang diusulkan dapat secara signifikan meningkatkan kepuasan pelanggan dan
efisiensi operasional dalam pengelolaan mesin penjual otomatis.