Produk penunjang kesehatan, saat ini menjadi produk prioritas yang dicari
oleh masyarakat. Produk kesehatan yang dibeli oleh masyarakat, melalui toko obat
maupun apotek, dapat berbeda sesuai dengan kebutuhan. PT XYZ sebagai salah
satu perusahaan yang bergerak dibidang distribusi logistik (termasuk produk
kesehatan), berperan penting dalam proses jual-beli produk kesehatan di
masyarakat. E-commerce ABC berbasis Business to Business (B2B) yang dimiliki
oleh PT XYZ sebagai sistem penjualan produk kesehatan dari distributor kepada
toko obat atau apotek, saat ini belum memiliki sistem rekomendasi yang dapat
digunakan dalam hal pembelian produk kesehatan. Sistem rekomendasi sebagai
pengembangan fitur e-commerce ABC, diperlukan untuk memberikan rekomendasi
produk kesehatan yang sesuai dengan keadaan setiap pelanggan e-commerce ABC.
Penggunaan basis data graf atau graph database dalam pembangunan sistem
rekomendasi sebagai pengembangan fitur pada e-commerce, masih belum banyak
digunakan pada penelitian terdahulu. Metode filtering untuk dapat menghasilkan
rekomendasi, juga berbeda-beda disesuaikan dengan objek dari penelitian yang
dilakukan. Amazon Neptune sebagai graph database service yang dapat
memanajemen relasi dalam data yang saling terhubung, digunakan dalam penelitian
untuk dapat membangun sistem rekomendasi produk kesehatan. Metode hybrid
content-collaborative filtering digunakan untuk menghasilkan rekomendasi produk
yang lengkap berdasarkan atribut konten dan kebiasaan pengguna.
Penelitian ini berfokus dalam pengembangan model graph database untuk
sistem rekomendasi dengan proses traversal data sebagai tambahan fitur pada ecommerce

ABC. Dataset yang digunakan, meliputi data produk, kategori dari
produk, pelanggan, principal, serta data jual-beli produk kesehatan di e-commerce
ABC. Pembuatan model rekomendasi produk kesehatan dengan graph database ini,
menghasilkan daftar produk kesehatan yang menjadi rekomendasi sesuai dengan
metode pendekatan user-based collaborative filtering, location-based collaborative
filtering, content-based filtering by category, content-based filtering by principal,
serta rekomendasi untuk informasi produk kesehatan paling laris.