PENGGUNAAN METODE HYBRID DALAM PEMBUATAN SISTEM REKOMENDASI PRODUK E-COMMERCE UNTUK MENGATASI MASALAH OVERSPECIALIZATION DAN COLD START

Fuadi, Muhamad Azam (2022) PENGGUNAAN METODE HYBRID DALAM PEMBUATAN SISTEM REKOMENDASI PRODUK E-COMMERCE UNTUK MENGATASI MASALAH OVERSPECIALIZATION DAN COLD START. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text Abstrak_Muhamad Azam Fuadi_123170059.pdf Download (132kB)
	Text Cover_Muhamad Azam Fuadi_123170059.pdf Download (221kB)
	Text Daftar Isi_Muhamad Azam Fuadi_123170059.pdf Download (75kB)
	Text Daftar Pustaka_Muhamad Azam Fuadi_123170059.pdf Download (213kB)
	Text Pengesahan_Muhamad Azam Fuadi_123170059.pdf Download (531kB)
	Text Skripsi Full_Muhamad Azam Fuadi_123170059.pdf Restricted to Repository staff only Download (5MB)

Abstract

Pada era modern ini, transaksi jual-beli dapat dilakukan tanpa adanya pertemuan langsung
antara penjual dan pembeli, dan hal ini dapat dilakukan salah satunya di e-commerce yang
merupakan aplikasi online untuk melakukan transaksi jual-beli antara penjual dan pembeli melalui
perantara internet. Masalah yang terjadi pada e-commerce adalah pembeli kesusahan dalam
memilih produk karena produk yang ditawarkan pada e-commerce sangat banyak, sedangkan
penjual kesusahan untuk menawarkan produknya kepada pembeli yang tepat karena banyaknya
user pada e-commerce. Masalah tersebut dapat diatasi dengan menggunakan sistem rekomendasi
pada e-commerce. Terdapat dua metode populer yang digunakan untuk membuat sistem
rekomendasi, seperti collaborative filtering yang rekomendasinya berdasarkan kemiripan antar
perilaku pengguna dan content-based filtering yang berdasarkan kemiripan antar item.
Collaborative filtering memiliki masalah cold start dimana pemberian rekomendasi akan tidak
akurat pada data yang memiliki user dan item baru yang banyak karena belum memiliki banyak
interaksi antara user dan item. Sedangkan content-based filtering memiliki kelemahan yang sering
terjadi yaitu rekomendasi yang diberikan kurang beragam atau overspecialization karena
rekomendasinya bergantung pada kemiripan fitur item.
Kedua masalah pada masing – masing metode tersebut dapat ditangani salah satunya
dengan menggunakan metode hybrid. Metode hybrid merupakan metode yang menggabungkan
beberapa metode sekaligus dalam pembuatan sistem rekomendasi. Penggabungan beberapa
metode ini akan membuat metode - metode yang digabungkan dapat saling menutupi kelemahan
satu sama lain. Metode hybrid yang digunakan pada penelitian ini akan menggabungkan metode
collaborative filtering, content-based filtering, dan popularity-based filtering secara switching dan
mixed, yaitu dengan membagi rekomendasi menjadi 2 proses berdasarkan user yang akan menjadi
target pemberian rekomendasi. Jika user tersebut merupakan user lama yang sudah ada pada
sistem maka akan dijalankan rekomendasi dengan menggabungkan collaborative filtering,
content-based filtering, dan juga popularity based. Namun bila user baru pada sistem, maka
rekomendasi yang diberikan merupakan gabungan dari popularity based dan content-based
filtering.
Pengujian pada penelitian ini menggunakan Mean Absolute Error (MAE) untuk mengukur
tingkat error dalam memberikan rekomendasi berdasarkan prediksi rating, semakin kecil nilainya
maka tingkat error semakin kecil. Kemudian pengujian intra-diversity untuk mengukur
keberagaman item yang diterima user, semakin kecil nilainya maka rekomendasi semakin
beragam. Dan pengujian terakhir, inter-diversity untuk mengukur tingkat perbedaan item
rekomendasi yang diterima 1 user dengan user lainnya, semakin kecil nilainya maka rekomendasi
yang didapat masing – masing user semakin sama. Nilai MAE pada sistem yang dibuat dengan
data yang telah melalui filtering minimal 3 kali rating sebesar 0.566883, minimal 5 sebesar
0.506603, dan minimal 7 sebesar 0.487553. Nilai intra-diversity pada rekomendasi content-based
filtering sebesar 0.917712, collaborative filtering mendapatkan nilai sebesar 0.583210, dan hybrid
sebesar 0.467431. Nilai inter-diversity pada rekomendasi content-based filtering sebesar
0.997387, collaborative filtering mendapatkan nilai sebesar 0.996005, dan hybrid sebesar
0.994595.
Kata kunci: E-commerce, sistem rekomendasi, hybrid, cold start, overspecialization

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	E-commerce, sistem rekomendasi, hybrid, cold start, overspecialization
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	19 Jul 2022 08:09
Last Modified:	19 Jul 2022 08:30
URI:	http://eprints.upnyk.ac.id/id/eprint/30405

Actions (login required)

View Item