Evaluasi Perbandingan Content- Based Filtering Dan Collaborative Filtering Untuk Sistem Rekomendasi Produk E- Commerce

Salsabila Az Zahra, . (2025) Evaluasi Perbandingan Content- Based Filtering Dan Collaborative Filtering Untuk Sistem Rekomendasi Produk E- Commerce. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (278kB)
	Text BAB II.pdf Restricted to Registered users only Download (557kB)
	Text BAB III.pdf Restricted to Registered users only Download (362kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (198kB)
	Text JURNAL.pdf Restricted to Registered users only Download (246kB)

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan dua metode sistem rekomendasi, yaitu Content-Based Filtering dan Collaborative Filtering, dalam konteks e-commerce menggunakan dataset Amazon Products Sales Dataset 2023. Evaluasi dilakukan menggunakan lima metrik, yaitu Precision, Recall, F1- Score, Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Proses implementasi dilakukan menggunakan Python di Jupyter Notebook, dan hasil evaluasi divisualisasikan melalui website sederhana berbasis Flask. Berdasarkan hasil evaluasi, metode Collaborative Filtering memperoleh nilai Precision tertinggi sebesar 0,8244, menunjukkan keunggulan dalam ketepatan rekomendasi. Sementara itu, Content-Based Filtering menunjukkan skor F1-Score lebih tinggi serta nilai MAE dan RMSE yang sedikit lebih rendah, yang mengindikasikan performa lebih seimbang dan prediksi yang lebih stabil. Website yang dikembangkan mampu menyajikan hasil evaluasi secara informatif dan interaktif, sehingga dapat menjadi referensi awal dalam memilih metode sistem rekomendasi yang sesuai dengan karakteristik data e-commerce.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sistem Rekomendasi, Content-Based Filtering, Collaborative Filtering, E-commerce, Precision, Recall, F1-Score, MAE, RMSE
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Mahlil Muhammad
Date Deposited:	22 Jan 2026 05:50
Last Modified:	22 Jan 2026 05:50
URI:	http://repository.unpam.ac.id/id/eprint/18571

Actions (login required)

View Item