Online Catalog | library@petra

Pengujian performa metode sistem rekomendasi terbaik untuk merekomendasikan produk menggunakan MRR dan MAP@K

Sistem Rekomendasi adalah sebuah teknik yang mampu memberikan saran berupa
item kepada user. Teknik ini kini banyak digunakan pada perusahaan e-commerce untuk
merekomendasikan produk yang dijual kepada customer. Dalam penerapannya, sistem
rekomendasi menemukan berbagai kendala dimana performa rekomendasi yang diberikan
tidaklah baik. Berdasarkan permasalahan ini, maka akan dilakukan pengujian untuk mencari
metode sistem rekomendasi mana yang paling baik dalam menghasilkan produk. Pengujian
dilakukan dengan menggunakan dataset history click behavior, yang mana berisi data interaksi
user dalam sebuah e-commerce. Harapannya dengan data ini bisa menggambarkan secara riil
performa sistem rekomendasi bila diterapkan pada e-commerce.
Bahasa pemograman yang digunakan python, dan tools yang digunakan adalah
pyspark. Pyspark digunakan karena jumlah data interaksi user yang sangat besar sehingga
dengan digunakan pyspark bisa mengurangi beban kerja computer. Metode yang diuji adalah
metode content-based filtering, collaborative filtering, dan hybrid recommendation.
Berdasarkan hasil pengujian, metode hybrid memiliki performa paling tinggi, selisih tidak jauh
dengan metode content-based filtering, dimana metode hybrid memiliki performa MRR 0,74
dan MAP@K 0,596, sedangkan content-based filtering memiliki performa MRR 0,78 dan
MAP@K 0,65. Metode collaborative filtering memiliki performa paling rendah dengan MRR
0,2485 dan MAP@K 0,545.
Metode Content-based filtering memiliki performa yang baik dibandingkan 2 metode
lain yang diuji, dimana metode ini memanfaatkan aktivitas user paling baru sehingga
pendekatan yang digunakan ini bisa mengatasi cold-start problem yang selama ini menjadi
kelemahan dari content-based filtering. Performa hybrid recommendation bergantung pada 2
metode yang digabungkan, dimana pada penelitian ini collaborative filtering memiliki
performa yang sangat buruk, sehingga berdampak pada performa hybrid recommendation
yang menurun.