Pengembangan Sistem Rekomendasi Berbasis Hybrid Filtering Untuk E-Commerce Menggunakan Algoritma Machine Learning

Abstract

Sistem rekomendasi merupakan komponen penting dalam platform e-commerce untuk meningkatkan pengalaman pengguna dan konversi penjualan. Penelitian ini mengembangkan sistem rekomendasi berbasis hybrid filtering dengan menggabungkan pendekatan collaborative filtering dan content-based filtering menggunakan algoritma machine learning berbasis K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). Dataset yang digunakan berasal dari transaksi dan ulasan pengguna pada platform e-commerce lokal. Evaluasi dilakukan dengan metrik akurasi, precision, dan recall. Hasil menunjukkan bahwa sistem hybrid menghasilkan performa yang lebih unggul dibanding pendekatan tunggal, dengan akurasi mencapai 89,2%. Penelitian ini memberikan kontribusi terhadap pengembangan sistem rekomendasi yang lebih adaptif dan relevan terhadap kebutuhan pengguna.