Rekomendasi Produk E-Commerce Berbasis Klasifikasi Menggunakan Algoritma Machine Learning

Nehe, Intensif (2025) Rekomendasi Produk E-Commerce Berbasis Klasifikasi Menggunakan Algoritma Machine Learning. Skripsi thesis, Program Studi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (4MB)
	Text bab III.pdf - Submitted Version Download (1MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (5MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (454kB)
	Text daftar pustaka.pdf - Submitted Version Download (777kB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Perkembangan e-commerce yang sangat pesat telah mendorong meningkatnya jumlah ulasan produk dari konsumen. Namun, tidak semua ulasan yang tersedia bersifat informatif dan relevan untuk dijadikan dasar pengambilan keputusan. Kondisi ini menimbulkan kebutuhan akan sistem yang mampu menyaring serta mengklasifikasikan ulasan sehingga hanya informasi relevan yang dapat digunakan dalam mendukung rekomendasi produk. Penelitian ini bertujuan membangun sistem klasifikasi ulasan produk pada platform Tokopedia menggunakan algoritma Naive Bayes, khususnya varian Multinomial, untuk memprediksi relevansi ulasan. Dataset yang digunakan berjumlah 40.607 baris ulasan yang diperoleh dari Kaggle, dengan atribut utama berupa teks ulasan dan rating. Tahapan penelitian meliputi preprocessing data (cleaning, tokenisasi, stopword removal, dan labeling), pembentukan fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dengan 5.000 kata fitur, pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian, serta evaluasi model melalui confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Multinomial Naive Bayes mampu mencapai akurasi sebesar 93,71%. Untuk kelas relevan, diperoleh precision 0,94, recall 0,99, dan F1-score 0,96. Meskipun performa klasifikasi pada kelas tidak relevan relatif rendah akibat distribusi data yang tidak seimbang, model tetap efektif dalam mengidentifikasi ulasan relevan yang mendominasi dataset. Temuan ini membuktikan bahwa Naive Bayes dapat menjadi metode sederhana namun kuat dalam mendukung sistem rekomendasi produk berbasis ulasan konsumen. Implementasi model ini diharapkan mampu meningkatkan kepercayaan pengguna terhadap rekomendasi e-commerce, mempermudah konsumen menemukan produk sesuai preferensi, serta memberikan manfaat praktis bagi pengembang platform dalam mengoptimalkan pengalaman belanja online.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Naive Bayes, Ulasan Produk, Tokopedia, Klasifikasi: Naive Bayes, Product Reviews, Tokopedia, Classification
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Susila Novmbrita
Date Deposited:	10 Nov 2025 03:02
Last Modified:	10 Nov 2025 03:02
URI:	http://repository.upbatam.ac.id/id/eprint/6939

Actions (login required)

View Item

Downloads