Penerapan Algoritma Variable Neighborhood Search untuk Optimasi Pemilihan Produk Skincare

Pertumbuhan industri skincare di Indonesia mendorong kebutuhan akan sistem pemilihan produk yang mampu membantu konsumen memilih kombinasi produk yang sesuai dengan jenis kulit dan batas anggaran. Penelitian terdahulu umumnya menggunakan pendekatan Multi-Criteria Decision Making (MCDM) dan Machine Learning yang hanya berfokus pada pemeringkatan produk atau prediksi kecocokan tanpa mempertimbangkan optimasi multi-produk secara bersamaan. Penelitian ini mengusulkan pendekatan optimasi menggunakan algoritma Variable Neighborhood Search (VNS) untuk menentukan kombinasi empat kategori produk skincare, facial wash, moisturizer, sunscreen, dan serum yang berdasarkan kecocokan jenis kulit dan batasan biaya. Dataset terdiri dari 173 produk skincare lokal yang diperoleh melalui web scraping dari situs Sociolla, kemudian melalui proses pembersihan data dan ekstraksi data jenis kulit dari deskripsi produk. Kinerja VNS dievaluasi dengan membandingkannya terhadap Random Search (RS) sebagai baseline, yaitu pemilihan acak dari himpunan solusi feasible yang sesuai jenis kulit dan tidak melampaui anggaran. Pada pengujian dan pembanding dilakukannya empat skenario yang dirancang berdasarkan jenis kulit berminyak dan kering dengan variasi anggaran Rp150.000 hingga Rp350.000. Hasil eksperimen menunjukkan bahwa VNS secara konsisten memberikan kinerja lebih unggul dibandingkan RS, ditandai dengan nilai SkinScore maksimum yaitu 1, efisiensi anggaran yang lebih baik, serta skor komposit yang lebih stabil pada seluruh skenarionya. Sementara itu, RS menghasilkan solusi yang lebih bervariasi dan kurang presisi dalam mendekati batas anggaran. Penelitian ini menunjukkan bahwa VNS merupakan pendekatan yang efektif dan dapat diandalkan untuk optimasi pemilihan kombinasi produk skincare berbasis kebutuhan konsumen dan keterbatasan biaya.