Perancangan Sistem Rekomendasi Produk Budaya Dengan Hyper-Personalization dan Content Filtering untuk Meningkatkan Minat Pembeli pada E – Commerce

Wijaya, I Wayan Rizky (2023) Perancangan Sistem Rekomendasi Produk Budaya Dengan Hyper-Personalization dan Content Filtering untuk Meningkatkan Minat Pembeli pada E – Commerce. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05211950012005-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Konteks: Kelengkapan fitur yang disediakan oleh setiap E-Commerce menjadi salah satu kriteria bagi pembeli dalam menentukan tempat bertransaksi. Sistem rekomendasi dapat membantu pembeli untuk menemukan produk yang sesuai dengan kebutuhannya.
Permasalahan: Ambiguitas nilai produk, kualitas yang tidak pasti, varian produk yang banyak dan kurangnya informasi produk di E-Commerce menyebabkan pembeli sulit untuk menentukan pilihan produk yang akan dibeli. Selain itu banyaknya informasi produk yang diproses saat melakukan rekomendasi produk budaya, menyebabkan rekomendasi produk yang diberikan tidak sesuai dengan minat dari pembeli.
Tujuan: Pada penelitian ini dilakukan perancangan sistem rekomendasi produk budaya yang dapat memberikan saran produk yang sesuai dengan minat pembeli menggunakan hyper personalization dan content filtering untuk meningkatkan minat pembeli dalam melakukan transaksi pada E-Commerce.
Metode: Hyper Personalization digunakan untuk menganalisa data real time saat pembeli sedang melakukan pencarian produk budaya yang diinginkan, hasil yang diperoleh melalui Hyper Personalitation selanjutnya akan dipakai sebagai acuan produk budaya yang sedang diminati pembeli saat ini. Sedangkan Content Filtering digunakan untuk melihat kecocokan produk yang dipilih oleh pembeli dengan produk yang dibeli sebelumnya. Setelah melakukan analisis menggunakan Hyper Personalization dan Content Filtering sistem akan memberikan rekomendasi produk yang sesuai dengan minat dari masing – masing pembeli.
Hasil: Pengembangan model yang dilakukan pada penelitian ini memiliki akurasi rekomendasi rata – rata sebesar 81%. Bedasarkan hasil pengujian yang dilakukan mopdel rekomendasi yang diberikan berpengaruh positive terhadap minat dari pembeli untuk memasukkan produk yang direkomendasikan kedalam keranjang belanja.
Nilai Tambah: Penelitian ini dapat mengetahui seberapa besar minat pembeli untuk membeli produk yang direkomendasikan berdasarkan segmen pembeli.
====================================================================================================================================
Background: The completeness of the features provided by each E-Commerce is one of the criteria for buyers in determining where to transact. Recommendation systems can help buyers find products that suit their needs.
Problem: Ambiguity of product value, uncertain quality, many product variants, and lack of product information in E-Commerce make it difficult for buyers to choose a product to buy. In addition, the large amount of product information processed when making cultural product recommendations causes the product recommendations given to be different from the buyer's interests.
Purpose: This study designs a cultural product recommendation system
that could provide product suggestions that match buyer interests using hyper-personalization and content filtering to increase buyer interest in making transactions on E-Commerce.
Method: This study uses Hyper-Personalization to analyze real-time data when buyers search for the desired cultural product. The results obtained through Hyper-Personalization will determine what the buyer is looking for. After that, Content Filtering is used to see the suitability of the product chosen by the buyer with the product purchased before. After conducting an analysis using Hyper-Personalization and Content Filtering, the system will provide product recommendations according to the interests of each buyer.
Results: The model development carried out in this study has an average recommendation accuracy of 81%. Based on the results of tests conducted, the recommendation model provided positively affects buyer interest to include the recommended product in the shopping cart.
Added Value: This research can determine buyer interest in buying recommended products based on buyer segments.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	sistem rekomendasi produk, Hyper Personalization, Content Filtering, E-Commerce, product recommendation system, Hyper-Personalization
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	I Wayan Rizky Wijaya
Date Deposited:	05 Aug 2023 14:54
Last Modified:	05 Aug 2023 14:54
URI:	http://repository.its.ac.id/id/eprint/101571

Actions (login required)

View Item