<![CDATA[Industri parfum lokal saat ini mengalami pertumbuhan yang pesat, namun pada praktiknya hal ini memicu fenomena information overload bagi konsumen yang sering kesulitan membedakan varian aroma karena proses pemilihan di platform digital masih bergantung pada deskripsi tekstual yang kurang interaktif dan belum menyediakan pencocokan preferensi secara personal. Penelitian ini bertujuan mengembangkan sistem rekomendasi parfum lokal berbasis web yang mengintegrasikan metode Content-Based Filtering dengan teknik pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan algoritma Cosine Similarity untuk menilai kemiripan kriteria pengguna terhadap target produk dalam basis data. Metode penelitian menggunakan pendekatan pengembangan perangkat lunak yang mencakup identifikasi masalah, studi literatur, pengumpulan data, perancangan sistem, implementasi, dan pengujian. Perancangan sistem dilakukan menggunakan flowchart, use case diagram, dan entity relationship diagram. Sistem memproses masukan kriteria dari pengguna meliputi aroma, occasion, gender, harga, dan konsentrasi, mengekstraksinya menjadi vektor bobot, lalu menghitung nilai jarak (similarity) untuk menghasilkan klasifikasi peringkat produk. Hasil pengujian menunjukkan bahwa aplikasi mampu menjalankan fungsi utama pencarian, menampilkan katalog, menerima input preferensi, dan memberikan umpan balik rekomendasi otomatis secara akurat. Pengujian presisi terhadap 20 sampel skenario pencarian menunjukkan 17 data relevan (True Positive) dan 3 data tidak relevan (False Positive), dengan tingkat akurasi sistem sebesar 85%. Temuan ini menunjukkan bahwa kombinasi TF-IDF dan Cosine Similarity layak diterapkan sebagai mesin rekomendasi interaktif untuk membantu konsumen memilih parfum secara lebih mandiri, terukur, dan akurat, serta meminimalisir risiko kesalahan pembelian (blind buy).]]>
