ABSTRAK

Faisal, Ramadhani Rizqi. 2026. Sistem Rekomendasi Produk Elektronik Berbasis Semantic Content-Based Filtering dan Collaborative Filtering Menggunakan Pendekatan Hybrid Weighted.
Pembimbing: (1) Dr. Ilham Saifudin, S.Pd., M.Si.; (2) Ginanjar Abdurrahman, S.Si., M.Pd.

Banyaknya produk elektronik yang tersedia pada platform e-commerce dapat menyebabkan pengguna mengalami kesulitan dalam menemukan produk yang sesuai dengan kebutuhan. Penggunaan satu metode rekomendasi masih memiliki keterbatasan, seperti ketergantungan terhadap informasi produk pada Content-Based Filtering serta permasalahan data sparsity dan cold-start pada Collaborative Filtering. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem rekomendasi produk elektronik dengan menggabungkan Semantic Content-Based Filtering dan Collaborative Filtering menggunakan pendekatan Hybrid Weighted. Data yang digunakan sebanyak 90.640 ulasan produk elektronik yang diperoleh dari Amazon Reviews 2023. Pada metode Semantic Content-Based Filtering, nama, deskripsi, dan kategori produk direpresentasikan menggunakan Word2Vec, kemudian kemiripan antarproduk dihitung menggunakan cosine similarity. Sementara itu, Collaborative Filtering menggunakan algoritma Singular Value Decomposition (SVD) untuk mempelajari pola laten interaksi pengguna dan produk berdasarkan data rating. Kedua skor selanjutnya dinormalisasi dan digabungkan menggunakan parameter alpha. Evaluasi dilakukan menggunakan metrik Precision, Recall, dan Normalized Discounted Cumulative Gain (NDCG) pada Top-5, Top-10, dan Top-15. Hasil pengujian menunjukkan bahwa nilai alpha terbaik adalah 0,3, yaitu kontribusi Semantic Content-Based Filtering sebesar 30% dan Collaborative Filtering SVD sebesar 70%. Pada pengujian Top-10, model menghasilkan nilai Precision sebesar 0,008343, Recall sebesar 0,035075, dan NDCG sebesar 0,023725. Hasil tersebut menunjukkan bahwa pendekatan Hybrid Weighted mampu meningkatkan ketepatan dan kualitas pemeringkatan rekomendasi dibandingkan metode tunggal SVD, meskipun peningkatan belum terjadi pada seluruh metrik. Sistem kemudian diimplementasikan dalam bentuk website berbasis Flask agar pengguna dapat mencari produk, memilih produk acuan, dan memperoleh daftar rekomendasi berdasarkan nilai hybrid score tertinggi.