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

Institutions

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
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
NOV
article

Model Rekomendasi Produk Content-Based Filtering Berbasis Tf-Idf Dan N-Gram Pada E-Commerce

Tata Sutabri
Integrative Perspectives of Social and Science Journal
Recommender Systems and Techniques
article

Model Rekomendasi Produk Content-Based Filtering Berbasis Tf-Idf Dan N-Gram Pada E-Commerce

Tata Sutabri
article en

Abstract

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.

Integrative Perspectives of Social and Science Journal
Institut Teknologi Indonesia (ID)
Recommender Systems and Techniques
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Laika access coming soon