Perpustakaan Digital ITB

E-commerce diprediksi mencapai penjualan global sebesar $7,96 triliun pada tahun 2027, seiring meningkatnya adopsi teknologi mobile. Mesin pencari pada platform e-commerce memainkan peran penting dalam pengalaman berbelanja, dan penelitian ini mengeksplorasi implementasi pencarian semantik dengan model transformer untuk produk elektronik. Dengan metodologi CRISP-DM, evaluasi model menunjukkan bahwa 'ft_all-MiniLM-L12-v2' unggul dengan micro F1 score 0.4052 dan macro F1 score 0.3826, sementara 'ft_all-mpnet-base-v2' menunjukkan weighted F1 score tertinggi 0.3443. Namun, kedua model ini memiliki waktu pencarian lebih lama, khususnya 'ft_all-mpnet-base-v2' dengan 1.1096 detik. Model 'all-MiniLM-L12-v2' memiliki waktu pencarian tercepat, 0.4887 detik, tetapi dengan akurasi lebih rendah. 'TF-IDF' menunjukkan performa terendah di semua metrik. Kesimpulannya, feature expansion meningkatkan akurasi dan relevansi, meskipun menambah waktu pencarian, membuat 'ft_all-MiniLM-L12-v2' dan 'ft_all- mpnet-base-v2' sebagai opsi yang seimbang antara kecepatan dan akurasi.