Perpustakaan Digital ITB

Perkembangan internet yang cukup cepat di Indonesia berbanding lurus dengan perkembangan penggunaan situs jual beli daring atau e-commerce. Meskipun penggunaan e-commerce terus meningkat, pembeli masih merasa ragu dan takut untuk membeli barang atau jasa melalu situs penjualan daring. Oleh karena itu, setiap situs e-commerce saat ini telah menerapkan fitur ulasan atau review pada barang atau pun penjual. Ulasan dinilai dapat mempengaruhi pelanggan atau pembeli untuk membeli barang secara rasional. Selain itu, sistem rekomendasi juga dinyatakan mampu membantu pembeli dalam memutuskan pembelian barang. Sistem rekomendasi yang cukup dikenal adalah Collaborative Filtering (CF). Meskipun telah banyak diterapkan, CF masih memiliki masalah pada data sparsity. Penelitian tentang sistem rekomendasi CF pada kondisi sparsity sudah banyak dilakukan dengan menerapkan metode clustering atau opinion mining. Penelitian ini bertujuan untuk merancang suatu sistem rekomendasi CF yang mampu memberikan akurasi hasil rekomendasi yang baik dan juga memiliki kualitas yang baik pada kondisi sparsity. Penelitian ini menggunakan model-based CF dengan menerapkan clustering sebagai metode untuk memodelkan data untuk mengurangi dimensi data. Metode k-means++ untuk clustering dipilih karena dinilai mampu menghasilkan kualitas cluster yang lebih baik. Kemudian metode opinion mining menggunakan Multinomial Naïve Bayes diterapkan dengan tujuan untuk menyaring item rekomendasi. Teknik opinion mining digunakan untuk mempertimbangkan pendapat dari pelanggan atau pembeli lain. Eksperimen penelitian dilakukan dengan menggunakan data ulasan dan transaksi dari salah satu situs e-commerce di Indonesia, yaitu Bukalapak. Evaluasi hasil rekomendasi diukur menggunakan f-measure dan hit-rate. Hasil evaluasi menunjukkan sistem rekomendasi CF yang dibangun memiliki tingkat akurasi yang baik dengan nilai f-measure sebesar 0.45 dan peningkatan kualitas sebesar 28%.