PENERAPAN ALGORITMA NAIVE BAYES DALAM SISTEM REKOMENDASI PRODUK E-COMMERCE

Gilang Kurnia Rambe

Abstract


     Perkembangan e-commerce di era digital menuntut sistem rekomendasi yang cerdas untuk meningkatkan pengalaman pengguna dan penjualan produk. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes Classifier dalam sistem rekomendasi produk pada platform e-commerce. Metode ini dipilih karena kemampuannya dalam melakukan klasifikasi cepat dengan data besar dan bersifat probabilistik. Data yang digunakan dalam penelitian ini berasal dari riwayat transaksi dan preferensi pengguna. Proses penelitian meliputi pengumpulan data, preprocessing, pembagian data latih dan uji, serta penerapan algoritma Naive Bayes untuk menentukan kategori produk yang sesuai dengan minat pengguna. Hasil penelitian menunjukkan bahwa algoritma ini memiliki tingkat akurasi sebesar 87% dalam memberikan rekomendasi produk yang relevan. Sistem ini terbukti mampu menyesuaikan rekomendasi berdasarkan pola perilaku pengguna secara dinamis.

Kata Kunci:

Naive Bayes

sistem rekomendasi

 e-commerce

 klasifikasi

 machine learning. S


Full Text:

PDF

References


R. M. Gagné, Essentials of Learning and Instruction. New York, NY, USA: Holt, Rinehart and Winston, 1974.

C. C. Holmes and B. K. Mallick, “Generalized nonlinear modeling with multivariate free-knot regression spline,” Journal of the American Statistical Association, vol. 98, no. 462, pp. 352–365, 2003.

T. S. Popkewitz, “Professionalization in teaching and teacher education: Some notes on its history, ideology, and potential,” Journal of Teaching and Teacher Education, vol. 10, no. 1, pp. 1–14, 1994.

T. Lyche and K. Morken, Spline Methods. Oslo, Norway: University of Oslo, 2004. [Online]. Available: http://www.ub.uio.no/umn/english/index.html

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. San Francisco, CA, USA: Morgan Kaufmann, 2012.

P.-N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining. Boston, MA, USA: Pearson Education, 2019.

H. Zhang, “The optimality of Naive Bayes,” in Proc. 17th Int. Florida Artificial Intelligence Research Society Conf. (FLAIRS 2004), Miami, FL, USA, 2004, pp. 562–567.

F. Ricci, L. Rokach, and B. Shapira, Recommender Systems Handbook. New York, NY, USA: Springer, 2015.

C. C. Aggarwal, Recommender Systems: The Textbook. Cham, Switzerland: Springer, 2016.

P. Resnick and H. R. Varian, “Recommender systems,” Communications of the ACM, vol. 40, no. 3, pp. 56–58, 1997.

A. Rahman, D. Suryani, and N. Utami, “Implementation of Naive Bayes algorithm for product recommendation system in e-commerce,” International Journal of Data Science and Information Systems, vol. 9, no. 3, pp. 45–52, 2021.

P. Sari and R. Hidayat, “Naive Bayes classifier for predicting consumer preferences in online shopping platforms,” Jurnal Teknologi dan Sistem Informasi, vol. 8, no. 2, pp. 112–120, 2020.

N. Nurjanah, A. Hidayat, and D. R. Sari, “Penerapan algoritma Naive Bayes pada sistem rekomendasi produk berbasis web,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 7, no. 3, pp. 567–574, 2020.


Refbacks

  • There are currently no refbacks.