SISTEM REKOMENDASI PRODUK MENGGUNAKAN METODE ITEM-BASED COLLABORATIVE FILTERING

Hossain, Moch Minhas (2025) SISTEM REKOMENDASI PRODUK MENGGUNAKAN METODE ITEM-BASED COLLABORATIVE FILTERING. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text A. Pendahuluan.pdf Download (743kB)
	Text B. Abstrak.pdf Download (37kB)
	Text C. Bab 1.pdf Download (182kB)
	Text D. Bab 2.pdf Restricted to Repository staff only Download (333kB) | Request a copy
	Text E. Bab 3.pdf Restricted to Repository staff only Download (442kB) | Request a copy
	Text F. Bab 4.pdf Restricted to Repository staff only Download (606kB) | Request a copy
	Text G. Bab 5.pdf Restricted to Repository staff only Download (166kB) | Request a copy
	Text H. Daftar Pustaka.pdf Download (442kB)

Abstract

E-commerce telah menjadi salah satu sektor utama dalam transformasi digital,
memungkinkan transaksi jual beli secara online dengan berbagai manfaat, seperti
kemudahan akses, transparansi harga, dan efisiensi. Namun, perkembangan pesatnya
menghadirkan tantangan, terutama dalam memberikan rekomendasi produk yang relevan
kepada pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan
sistem rekomendasi berbasis Collaborative Filtering menggunakan pendekatan item
based. Algoritma yang digunakan meliputi Cosine Similarity untuk menghitung kemiripan
antar-item, serta metode Weighted Sum untuk pembobotan. Untuk mengukur performa
sistem, digunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error
(RMSE). Dataset yang digunakan terdiri dari 1000 data produk pakaian, seperti jaket, baju,
dan celana jeans, dengan atribut utama mencakup rating, kategori, merek, dan ukuran, yang
diperoleh dari Kaggle. Hasil penelitian ini diharapkan dapat menghasilkan sistem
rekomendasi yang akurat, meningkatkan pengalaman pengguna, dan memberikan
kontribusi positif terhadap platform e-commerce dalam meningkatkan tingkat konversi
serta kepuasan pelanggan. Hasil pengujian MAE, nilai kesalahan prediksi cenderung stabil
di sekitar angka 0.26. Hal ini menunjukkan bahwa sistem rekomendasi memiliki tingkat
akurasi yang baik dalam memprediksi rating produk yang akan diberikan oleh pengguna.
Pengujian RMSE menunjukkan hasil yang sedikit bervariasi. Nilai RMSE tertinggi
terdapat pada sampel data dengan 5 data dengan 0,52, sedangkan nilai terendah terdapat
pada sampel data dengan 3 data dengan 0,23.

Contribution

Contributor Name

NIDN/NIDK

Dosen Pembimbing

Saifudin, Ilham

NIDN0731108903

Dosen Pembimbing

Yanuarti, Rosita

NIDN0629018601

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	E-commerce, Rekomendasi, MAE, RMSE
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Moch Minhas Hossain | hossainminhas8@gmail.com
Date Deposited:	31 Jan 2025 02:12
Last Modified:	31 Jan 2025 02:12
URI:	http://repository.unmuhjember.ac.id/id/eprint/23931

Actions (login required)

View Item