Perpustakaan Digital ITB

Dengan meningkatnya jumlah pengguna internet saat ini penggunaan sistem jual beli daring menjadi kebutuhan yang sangat vital. Salah satu kunci yang memegang kesuksesan sistem jual beli daring adalah sistem rekomendasi, karena dapat memberikan keuntungan bagi pihak penjual untuk meningkatkan penjualan, maupun bagi pembeli untuk mempermudah dalam mendapatkan item yang relevan secara cepat. Collaborative filtering (CF) merupakan metode sistem rekomendasi yang paling populer, karena membagikan ketertarikan antar pengguna berdasarkan rating sehingga lebih dinamis. Walaupun demikian, CF masih memiliki beberapa isu diantaranya data sparsity, cold start, gray sheep dan dynamic taste. Beberapa penelitian mencoba menyelesaikan isu tersebut dengan metode hybrid yang menggunakan kombinasi beberapa teknik. Salah satu penelitian mencoba menyelesaikan isu tersebut dengan membangun metode menggunakan 7 blok teknik hybrid dengan berbagai pendekatan. Akan tetapi, metode untuk perhitungan rating dari ulasan pada salah satu blok pada penelitian tersebut memiliki masalah pada ulasan-ulasan dengan variasi panjang yang berbeda. Hal ini dikarenakan metode tersebut menggunakan akumulasi kata sifat yang membuat gap yang jauh antara nilai untuk ulasan singkat dan ulasan panjang. Hal ini tentu menurunkan kualitas sistem rekomendasi secara keseluruhan. Penelitian ini bertujuan untuk mengajukan metode lainnya untuk perhitungan rating menggunakan gated recurrent unit (GRU). Sementara, blok baru yakni demographic filtering (DF) dengan memanfaatkan informasi sosial pengguna akan ditambahkan untuk menambah personalisasi, khususnya bagi pengguna baru. Berdasarkan hasil yang didapat, metode yang diajukan dengan menggunakan GRU sebagai kalkulasi rating memberikan hasil yang lebih baik dibandingkan metode pada penelitian sebelumnya, dimana terjadi kenaikan sekitar 3-5% pada nilai f-measure. Sementara penambahan blok baru, yakni DF tidak memberikan efek positif seperti yang diajukan pada hipotesis.