Online shop merupakan layanan jual beli yang saat ini popular di Indonesia karena menawarkan kemudahan dalam mempertemukan penjual dan pembeli. pada online shop sering di jumpai adanya sistem untuk merekomendasikan barang, dalam perkembangannya, terdapat beberapa masalah yang dialami oleh sebuah sistem rekomendasi, salah satunya adalah cold-start, dimana cold-start adalah ketidakmampuan Sebuah sistem rekomendasi dalam memberikan rekomendasi untuk item baru yang belum memiliki data rating sama sekali (pengguna guest, pengguna baru dan produk baru). Untuk memberikan solusi berkaitan dengan ketidak mampuan memberikan rekomendasi karena data rating yang kosong, maka pada proyek akhir ini dibuat online-shopping yang menggunakan Sistem Rekomendasi yang dapat menangani permasalahan diatas. Sistem rekomendasi yang diimplementasikan dalam proyek akhir ini menggunakan metode Collaborative Filtering dan Content-based Filtering, yang dimana penggunaannya tergantung pada pengguna yang akan melihat website, jika pengguna adalah guest dan pengguna baru, maka akan digunakan Content-based Filtering yang akan menggunakan data kesamaan antar produk. tetapi jika pengguna sudah melakukan login dan sudah memiliki data rating maka akan digunakan Collaborative Filtering yang akan menggunakan data kesamaan antar pengguna. Dengan adanya fitur sistem rekomendasi yang dapat mengatasi masalah cold-start di dalam online shop diharapkan agar pengguna dapat dengan cepat menemukan barang yang dibutuhkan dan barang tanpa rating juga dapat di rekomendasikan kepada pengguna. Dengan strategi ini online shop akan dapat meningkatkan pelayanan dan kepuasan pada pelanggan, serta meningkatkan pendapatan pada online shop itu sendiri.