Model Rekomendasi Produk Content-Based Filtering Berbasis Tf-Idf Dan N-Gram Pada E-Commerce
Pertumbuhan produk e-commerce menuntut sistem rekomendasi yang efisien, tetapi pengaruh variasi n-gram pada rekomendasi produk berbahasa Indonesia belum banyak dikaji. Penelitian ini membandingkan model content-based filtering berbasis TF-IDF dengan unigram, unigram–bigram, dan unigram–bigram–trigram serta empat bobot nama produk. Data berupa 65.543 ulasan Tokopedia yang diagregasi menjadi 4.300 produk pada enam kategori setelah praproses bahasa Indonesia. Parameter dipilih pada 1.000 query tuning dan diuji pada 1.000 query terpisah dengan Precision@K berbasis kategori. Seluruh model melampaui baseline acak (0,178) dengan Precision@5 uji 0,917 (unigram), 0,929 (unigram–bigram), dan 0,923 (unigram–bigram–trigram); selisih antarmodel tidak melampaui selang kepercayaan 95% (±0,011–0,012), sedangkan n-gram memperbesar fitur hingga 5,7 kali. Unigram dipilih sebagai model paling ringkas sehingga cukup digunakan untuk rekomendasi produk e-commerce.
Authors
- Tata Sutabri
Institutions
- Institut Teknologi Indonesia (ID)
Publication Details
- Journal
- Integrative Perspectives of Social and Science Journal
- Published
- 2026-11-16
- Primary Topic
- Recommender Systems and Techniques
- Type
- article
- Field-Weighted Citation Impact
- 0.00