Kondisi cuaca berperan penting dalam menentukan pilihan pakaian sehari-hari, terutama di daerah beriklim tropis yang memiliki fluktuasi suhu cukup signifikan. Namun, pemilihan outfit pada umumnya masih mengandalkan intuisi dan kebiasaan pribadi, sehingga tidak selalu menghasilkan keputusan yang paling sesuai. Penelitian ini mengusulkan perancangan dan implementasi sistem rekomendasi outfit berbasis cuaca harian yang mampu memberikan saran pakaian secara kontekstual berdasarkan data suhu dan karakteristik pengguna.
Sistem yang dikembangkan menerapkan pendekatan rekomendasi berbasis aturan, di mana setiap rentang suhu dikaitkan dengan rekomendasi bahan pakaian, warna, serta kombinasi outfit tertentu. Aplikasi diimplementasikan dalam bentuk sistem desktop menggunakan bahasa pemrograman Python dengan dukungan framework CustomTkinter untuk perancangan antarmuka pengguna. Evaluasi sistem dilakukan melalui metode pengujian black box guna memastikan fungsionalitas dan kemudahan penggunaan aplikasi.
Hasil pengujian menunjukkan bahwa sistem mampu menghasilkan rekomendasi outfit yang sesuai dengan kategori suhu dan gender pengguna, serta seluruh fitur utama dapat berfungsi dengan baik. Sistem ini memiliki potensi sebagai alat bantu pengambilan keputusan dalam menentukan outfit harian. Secara keseluruhan, integrasi data cuaca ke dalam sistem rekomendasi berbasis aturan terbukti efektif dan masih dapat dikembangkan lebih lanjut melalui pemanfaatan data cuaca real-time serta metode pembelajaran cerdas.
References
Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734–749. https://doi.org/10.1109/TKDE.2005.99
Beel, J., Langer, S., Genzmehr, M., & Nürnberger, A. (2016). Research-paper recommender systems: A literature survey. International Journal on Digital Libraries, 17(4), 305–338. https://doi.org/10.1007/s00799-015-0156-0
Burke, R. (2002). Hybrid recommender systems: Survey and experiments. User Modeling and User-Adapted Interaction, 12(4), 331–370. https://doi.org/10.1023/A:1021240730564
Dennis, A., Wixom, B. H., & Tegarden, D. (2015). Systems analysis and design: An object-oriented approach with UML (5th ed.). Wiley.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Laudon, K. C., & Laudon, J. P. (2016). Management information systems: Managing the digital firm (14th ed.). Pearson Education.
Sommerville, I. (2016). Software engineering (10th ed.). Pearson Education.
Pressman, R. S., & Maxim, B. R. (2015). Software engineering: A practitioner’s approach (8th ed.). McGraw-Hill Education.
Turban, E., Volonino, L., Wood, G. R., & Sipior, J. C. (2015). Information technology for management (9th ed.). Wiley.
Zhang, Y., & Chen, X. (2020). Explainable recommendation: A survey and new perspectives. Foundations and Trends® in Information Retrieval, 14(1), 1–101. https://doi.org/10.1561/1500000066
Kim, J., Lee, K., & Park, S. (2019). Context-aware fashion recommendation system using weather information. International Journal of Multimedia and Ubiquitous Engineering, 14(2), 45–56.
Li, Y., & Wu, X. (2017). Clothing recommendation based on weather and personal preference. Journal of Information Processing Systems, 13(3), 601–613. https://doi.org/10.3745/JIPS.03.0074
Shani, G., & Gunawardana, A. (2011). Evaluating recommendation systems. In F. Ricci et al. (Eds.), Recommender systems handbook (pp. 257–297). Springer.