Doohlpin Gallery merupakan sebuah ruang kesenian untuk setiap seniman memajang lukisan dan menjualnya. Terdapat banyak bentuk yang berbeda-beda dan banyak genre lukisan, hal itu membuat konsumen kesulitan untuk menentukan pilihan lukisan mana yang diinginkan. Perlunya sebuah rekomendasi yang dapat memudahkan konsumen dalam memilih lukisan. Bertujuan agar mempermudah konsumen untuk membeli lukisan agar tidak kebingungan saat membelinya. Penelitian ini menggunakan metode Collaborative Filtering, metode ini mencari nilai kesamaan item dengan item lainnya, sistem akan mencari rating setiap item dan menghitung nilai similarity menggunakan pearson correlation-based similarity. Setelah mendapatkan hasil nilai dari menghitung similarity akan digunakan untuk menghitung nilai weighted sum. Sebelum direkomendasikan kepada konsumen dari hasil prediksi tersebut dihitung nilai Mean Absolute Error (MAE) dihitung selisih untuk direkomendasikan kepada konsumen. Hasil dari penelitian ini menampilkan selisih nilai rata-rata MAE 0,339 yang akan direkomendasikan kepada konsumen. Penelitian ini menggunakan metode Collaborative Filtering dengan algoritma Item-Based Filtering.

Doohlpin Gallery is an art space for every artist to display their paintings and sell them. There are many different forms and many genres of painting, it makes it difficult for consumers to decide which painting they want. The need for a recommendation that can facilitate consumers in choosing a painting. Aims to make it easier for consumers to buy paintings so they are not confused when buying them. This study uses the Collaborative Filtering method, this method looks for the value of the similarity of items with other items, the system will look for the rating of each item and calculate the similarity value using Pearson correlation-based similarity. After getting the value results from calculating similarity, it will be used to calculate the weighted sum value. Before being recommended to consumers from the prediction results, the Mean Absolute Error (MAE) value is calculated and the difference is calculated to be recommended to consumers. The results of this study show the difference in the average MAE value of 0.339 which will be recommended to consumers. This research uses Collaborative Filtering method with Item-Based Filtering algorithm.