<![CDATA[Penentuan konfigurasi Upgrade mesin sepeda motor melibatkan banyak parameter teknis yang saling berkaitan, sehingga proses ini tidak dapat hanya mengandalkan intuisi mekanik maupun rekam jejak pekerjaan sebelumnya semata. Ketergantungan pada pengalaman personal dan data tidak terstruktur kerap menimbulkan inkonsistensi dalam pemberian saran Upgrade serta memperpanjang waktu pengambilan keputusan. Penelitian ini bertujuan membangun sebuah sistem berbasis web yang mampu memberikan rekomendasi spesifikasi Upgrade mesin secara otomatis dengan menggabungkan pendekatan Content-Based Filtering (CBF) dan K-Nearest Neighbor (K-NN). Data historis yang digunakan berjumlah 10.168 entri spesifikasi Upgrade mesin, bersumber dari Bengkel Moon Racing Sukoharjo. Algoritma CBF dimanfaatkan untuk mengukur kemiripan antara input pengguna dan setiap rekaman dalam dataset melalui perhitungan Cosine Similarity, sementara algoritma K-NN dengan nilai K=3 digunakan untuk memilih rekomendasi akhir berdasarkan jarak Euclidean. Sistem dikembangkan menggunakan framework Laravel 12, PHP 8.2, dan MySQL sebagai basis data. Setelah proses penyaringan berdasarkan jenis sistem bahan bakar, setiap kategori karburator dan injeksi masing-masing menghasilkan 5.084 data. Evaluasi metode CBF menunjukkan nilai Cosine Similarity tertinggi sebesar 1,000000 pada rekomendasi utama (K1), yang mengonfirmasi kecocokan sempurna antara query pengguna dan data pada dataset. Pengujian dengan 10 kasus uji menghasilkan nilai Recall dan Precision masing-masing 100%, sedangkan pengujian Black Box membuktikan bahwa seluruh fungsi sistem berjalan sesuai spesifikasi kebutuhan pengguna. Temuan ini mengindikasikan bahwa sistem yang dikembangkan mampu menghasilkan rekomendasi Upgrade mesin secara akurat, konsisten, dan terValidasi oleh mekanik.]]>
Copyrights © 2026
