Model Rekomendasi Produk Content-Based Filtering Berbasis Tf-Idf Dan N-Gram Pada E-Commerce
Year: 2026
Type: article
Abstract: Pertumbuhan produk e-commerce menuntut sistem rekomendasi yang efisien, tetapi pengaruh variasi n-gram pada rekomendasi produk berbahasa Indonesia belum banyak dikaji. Penelitian ini membandingkan model content-based filtering berbasis TF-IDF dengan unigram, unigram–bigram, dan unigram–bigram–trigram serta empat bobot nama produk. Data berupa 65.543 ulasan Tokopedia yang diagregasi menjadi 4.300 produk pada enam kategori setelah praproses bahasa Indonesia. Parameter dipilih pada 1.000 query tuning dan diuji pada 1.000 query terpisah dengan Precision@K berbasis kategori. Seluruh model melampaui baseline acak (0,178) dengan Precision@5 uji 0,917 (unigram), 0,929 (unigram–bigram), dan 0,923 (unigram–bigram–trigram); selisih antarmodel tidak melampaui selang kepercayaan 95% (±0,011–0,012), sedangkan n-gram memperbesar fitur hingga 5,7 kali. Unigram dipilih sebagai model paling ringkas sehingga cukup digunakan untuk rekomendasi produk e-commerce.
Institution: Institut Teknologi Indonesia
Language: English
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7235826766
