SISTEM REKOMENDASI PARFUM BERBASIS TEKS MENGGUNAKAN SIAMESE-BERTGustianHerlambangauthorPemilihan parfum secara daring memiliki tantangan karena konsumen tidak dapat mencium aroma secara langsung dan hanya mengandalkan deskripsi yang bersifat subjektif serta metaforis. Pendekatan rekomendasi tradisional belum optimal dalam memahami makna kontekstual deskripsi parfum. Penelitian ini bertujuan untuk mengevaluasi kinerja arsitektur Siamese-BERT dibandingkan dengan metode leksikal (TF-IDF dan Word2Vec) dalam sistem rekomendasi parfum berbasis teks, serta menentukan model Siamese-BERT terbaik. Penelitian eksperimental ini menggunakan dataset publik sejumlah 2.191 data parfum dengan memanfaatkan kolom deskripsi dan notes (aroma). Evaluasi dilakukan secara kuantitatif melalui metrik Cosine Similarity, Precision, Recall, dan F1-Score, serta secara kualitatif menggunakan Fleiss' Kappa oleh tiga evaluator yang terdiri dari enthusiast dan kolektor parfum. Hasil penelitian menunjukkan bahwa Siamese-BERT memberikan rekomendasi yang paling relevan berdasarkan persepsi pengguna. Evaluasi kualitatif Fleiss' Kappa membuktikan bahwa Siamese-BERT mencapai tingkat kesepakatan Substantial Agreement (0,69), mengungguli TF-IDF (0,47) dan Word2Vec (0,31). Selain itu, pengujian berbagai varian Siamese-BERT menunjukkan bahwa model all-mpnet-base-v2 memiliki performa terbaik dengan nilai rata-rata F1-Score sebesar 0,95, Precision 0,94, dan Recall 0,93 karena mampu menangkap nuansa kompleks catatan aroma. model Siamese-BERT terbukti lebih unggul dan efektif dalam menangkap makna semantik kalimat serta keseluruhan konteks pada kueri yang kompleks dibandingkan metode baseline. Model all-mpnet-base-v2 dengan kapasitas parameter yang lebih besar sangat direkomendasikan untuk sistem pencarian berbasis teks pada domain yang bersifat deskriptif dan emosional seperti parfum.000 Ilmu komputer, informasi dan pekerjaan umum003 Sistem-sistem2025-12-10Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis