Perpustakaan Digital ITB

Perkembangan perusahaan e-commerce di Indonesia menuntut penggunaan machine learning dalam memprediksi perilaku pelanggan untuk meningkatkan penjualan barang. Metode Ordinary Gaussian Process dapat digunakan untuk memprediksi perilaku pelanggan karena bersifat non-parametrik dan dapat melakukan prediksi untuk regresi maupun klasifikasi. Prediksi perilaku pelanggan dapat dilakukan untuk suatu periode tertentu terhadap data yang masuk secara terus menerus (streaming). Dengan demikian, training data akan bertambah banyak seiring dengan berjalannya waktu sehingga penggunaan metode Ordinary Gaussian Process akan membutuhkan memori dan waktu komputasi yang besar. Salah satu metode yang digunakan untuk menyelesaikan masalah ini adalah dengan menggunakan Online Gaussian Process, dimana variabel untuk setiap iterasi akan dihitung menggunakan variabel yang didapat dari iterasi sebelumnya. Online Gaussian Process juga akan memanfaatkan aproksimasi sparse dan batas jumlah elemen maksimum dalam basis untuk menghemat memori dan mempercepat waktu komputasi. Dalam Tugas Akhir ini, Online Gaussian Process menunjukkan performa prediksi regresi dan klasifikasi yang baik pada berbagai data bangkitan. Online Gaussian Process juga diimplementasikan untuk menyelesaikan permasalahan iklan digital e-commerce di internet dan pembuatan mesin rekomendasi untuk pelanggan, dimana hasil prediksi yang dikeluarkan sudah cukup baik untuk kedua masalah tersebut.