Perpustakaan Digital ITB

Lokapasar telah menjadi bagian dari kehidupan sehari-hari. Dengan kemudahan dan kenyamanan yang ditawarkannya, semakin banyak orang yang beralih ke belanja di Lokapasar. Namun, dengan pertumbuhan pesat ini, lokapasar juga menghadapi tantangan baru dalam mencocokkan pembeli, penjual, dan kurir dengan cara yang efisien dan efektif. Kompleksitas data yang semakin meningkat pada lokapasar menambah tantangan baru khususnya dalam pemberian rekomendasi yang relevan, cepat, dan akurat bagi para pengguna. Berbagai pendekatan telah dikembangkan untuk mengatasi tantangan skalabilitas, termasuk algoritma seperti ScaNN yang dikenal efektif untuk melakukan pencarian pada skala data yang besar namun masih memiliki keterbatasan dalam menangani duplikasi hasil pencarian dan kecepatan pencarian. Hal ini menciptakan peluang untuk mengoptimalkan algoritma ScaNN melalui strategi baru yang dapat mengurangi beban komputasi tanpa mengorbankan akurasi. Penelitian ini bertujuan mengembangkan model rekomendasi berbasis sesi yang mengoptimalkan algoritma ScaNN melalui pendekatan Multi Filter. Dengan menambahkan tahap preprocessing data, peluang untuk mempercepat waktu komputasi dan mengurangi potensi kehilangan informasi dalam proses rekomendasi dapat direalisasikan. Dataset Yoochoose digunakan dalam simulasi untuk menguji kinerja dari metode yang diusulkan. Hasil penelitian menunjukkan bahwa pendekatan Multi Filter ScaNN mampu meningkatkan efisiensi hingga 32x lebih cepat dibandingkan ScaNN standar dengan akurasi rekomendasi yang tetap terjaga. Implementasi model ini dalam bentuk API juga mampu menangani permintaan dalam jumlah besar dalm simulasi waktu nyata. Solusi ini membuka peluang untuk pengembangan lebih lanjut dalam sistem rekomendasi berbasis sesi di berbagai domain.