Final Project — Data Science Study Club Beginner 2026
| Nama |
|---|
| Torikh Abdullah Naser |
| Alif Ilham Rhamadan |
| Hasan Shofiyyurrahman |
Fragrance Matchmaker adalah sistem rekomendasi parfum yang membantu pengguna menemukan parfum dengan karakteristik serupa berdasarkan parfum favorit yang mereka pilih.
Sistem ini menggunakan metode Content-Based Filtering — sebuah pendekatan machine learning yang merekomendasikan item berdasarkan kemiripan atribut/fitur antar produk, bukan berdasarkan data interaksi pengguna lain (collaborative filtering).
User pilih 1 parfum favorit
↓
Filter by: Audience / Category / Longevity (opsional)
↓
Sistem hitung Cosine Similarity
terhadap seluruh parfum di dataset
↓
Tampilkan Top-N rekomendasi
beserta Similarity Score (0.0 – 1.0)
| Atribut | Detail |
|---|---|
| Nama | Perfume Dataset |
| Sumber | Kaggle — Ayush Ghawana |
| Lisensi | CC BY 4.0 (Attribution 4.0 International) |
| Jumlah Data | 1.004 baris |
| Jumlah Kolom | 6 kolom |
| Missing Values | 0 (tidak ada) |
| Kolom | Deskripsi | Contoh |
|---|---|---|
brand |
Merk/perusahaan pembuat parfum | Armaf, Dior |
perfume |
Nama spesifik parfum | Club de Nuit Intense |
type |
Konsentrasi parfum | EDP, EDT, Parfum |
category |
Keluarga/kategori aroma | Woody Spicy, Fresh Scent, Floral Fruity |
target_audience |
Target pengguna | Male, Female, Unisex |
longevity |
Ketahanan wangi di kulit | Strong, Medium |
| Library | Versi | Kegunaan |
|---|---|---|
| Python | 3.x | Bahasa Pemrograman Utama |
| Pandas | ≥2.0 | Manipulasi & Analisis Data |
| Scikit-learn | ≥1.3 | CountVectorizer, Cosine Similarity |
| Matplotlib | ≥3.7 | Visualisasi Data (EDA) |
| Seaborn | ≥0.12 | Visualisasi Data (EDA) |
| Streamlit | ≥1.30 | Deployment Aplikasi Interaktif |
final_project/
├── data/
│ ├── Perfumes_dataset.csv # Dataset asli dari Kaggle
│ └── perfumes_clean.csv # Dataset setelah preprocessing
├── notebooks/
│ └── eda_preprocessing.ipynb # Eksplorasi data & preprocessing
├── src/
│ ├── recommender.py # Logika model rekomendasi
│ └── app.py # Aplikasi Streamlit
├── requirements.txt # Daftar dependencies
└── README.md # File ini
git clone <repo-url>
cd final_projectAtau unduh folder ini secara manual.
pip install -r requirements.txtstreamlit run src/app.pyAplikasi akan terbuka otomatis di browser pada http://localhost:8501.
Keempat kolom fitur digabungkan menjadi satu string combined_features:
combined_features = type + category + target_audience + longevity
# Contoh: "edp woody spicy male strong"
String combined_features diubah menjadi representasi numerik (matriks fitur) menggunakan CountVectorizer dari Scikit-learn:
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
feature_matrix = vectorizer.fit_transform(df['combined_features'])Mengapa CountVectorizer, bukan TF-IDF? Data kita berupa kata-kata kategori pendek dan bersih (misal: "edp woody spicy male strong"). TF-IDF lebih optimal untuk teks panjang seperti review atau deskripsi produk.
Matriks kemiripan dihitung menggunakan Cosine Similarity. Nilainya antara 0.0 – 1.0, dimana 1.0 berarti identik sempurna:
from sklearn.metrics.pairwise import cosine_similarity
cosine_sim = cosine_similarity(feature_matrix)Sistem mengambil baris yang sesuai dengan parfum pilihan user di matriks similarity, mengurutkan skor secara descending, dan mengembalikan Top-N parfum teratas.
- 🔍 Filter Sidebar — Filter daftar parfum berdasarkan Target Audience, Kategori Aroma, dan Longevity sebelum memilih
- 📋 Pilih Parfum — Dropdown berisi parfum yang sesuai dengan filter
- 📊 Info Parfum — Menampilkan atribut parfum yang dipilih (Brand, Type, Category, Longevity)
- 🎚️ Slider Top-N — Pilih jumlah rekomendasi yang ditampilkan (3 hingga 10)
- 🏆 Tabel Rekomendasi — Menampilkan parfum rekomendasi dengan Similarity Score, diurutkan dari yang paling mirip
- Kaggle Dataset: https://www.kaggle.com/datasets/ayushghawana/perfume-dataset
- Scikit-learn CountVectorizer: https://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html
- Scikit-learn Cosine Similarity: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.cosine_similarity.html
- Streamlit Documentation: https://docs.streamlit.io
Study Club Data Science Beginner — 2026