SISTEM REKOMENDASI PRODUK E-COMMERCE BERBASIS COLLABORATIVE FILTERING

Raihana, Aulia Rizki (2026) SISTEM REKOMENDASI PRODUK E-COMMERCE BERBASIS COLLABORATIVE FILTERING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (134kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (409kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (181kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (744kB)
	Text (BAB V) BAB V.pdf - Published Version Download (104kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (243kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2661.zip Restricted to Repository staff only Download (996kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (423kB)

Abstract

Perkembangan e-commerce di era digital telah mengubah perilaku konsumen dalam melakukan pembelian produk secara online. Banyaknya pilihan produk yang tersedia sering kali membuat pengguna mengalami kesulitan dalam menentukan produk yang sesuai dengan kebutuhan dan preferensi mereka. Oleh karena itu, diperlukan sistem rekomendasi yang mampu memberikan saran produk yang relevan dan bersifat personal. Penelitian ini membahas pengembangan sistem rekomendasi produk e-commerce berbasis Collaborative Filtering. Metode Collaborative Filtering digunakan untuk menganalisis preferensi pengguna berdasarkan riwayat interaksi serta tingkat kesamaan perilaku antar pengguna dalam memberikan penilaian terhadap produk. Sistem yang dikembangkan diuji menggunakan dataset e-commerce untuk mengevaluasi kemampuannya dalam menghasilkan rekomendasi yang tepat dan sesuai dengan preferensi pengguna. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dibangun mampu memberikan rekomendasi produk yang relevan, membantu pengguna dalam menemukan produk yang diinginkan dengan lebih cepat, serta meningkatkan pengalaman berbelanja secara online. Selain itu, penerapan sistem rekomendasi ini juga berpotensi meningkatkan penjualan dan loyalitas pelanggan. Dengan demikian, implementasi Collaborative Filtering dapat menjadi solusi yang efektif dalam mendukung pengambilan keputusan pembelian di tengah persaingan industri e-commerce yang semakin kompetitif.

Actions (login required)

View Item