Garuda - Garba Rujukan Digital

Development Of A Collaborative Recommendation System Based on Singular Value Decomposition (SVD) on E-Commerce Data Mahalisa, Galih; Ratna, Silvia; Muflih, M.
Journal of Applied Informatics and Computing Vol. 9 No. 6 (2025): December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i6.11688

Recommendation systems (RS) are vital tools for mitigating information overload and data sparsity challenges in modern e-commerce platforms. This study focuses on developing and evaluating a Collaborative Filtering (CF) model utilizing Singular Value Decomposition (SVD) as a Matrix Factorization technique, applied to the publicly available E-commerce dataset. The dataset, comprising nine interconnected transactional tables, presents significant data sparsity due to limited explicit user ratings relative to the vast product catalog. The SVD model was implemented to decompose the highly sparse User-Item interaction matrix into lower-rank latent factor matrices, thereby capturing underlying purchasing patterns and user preferences. The model's performance was rigorously validated using k-fold cross-validation and assessed via standard accuracy metrics: Root Mean Square Error (RMSE) and Mean Absolute Error (MAE). The experimental results demonstrated high predictive accuracy, achieving an RMSE of 1.25 and an MAE of 0.98. These findings indicate that the SVD model effectively overcomes the sparsity challenge inherent in large-scale e-commerce transactional data, providing robust prediction capabilities that surpass established industry benchmarks (e.g., RMSE » 1.31, MAE » 1.04 found in similar studies). The successful implementation validates SVD as a highly effective approach for generating personalized, high-quality product recommendations, offering substantial business implications for enhancing customer engagement and maximizing Average Order Value (AOV)

Emotion Detection and Sentiment Analysis of Women’s E-Commerce Clothing Reviews Using DistilBERT Transformer M Muflih; Erfan Karyadiputra
Brilliance: Research of Artificial Intelligence Vol. 5 No. 2 (2025): Brilliance: Research of Artificial Intelligence, Article Research November 2025
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v5i2.7411

Customer reviews on e-commerce platforms have become an essential source of information for understanding user perceptions, satisfaction levels, and product quality. However, most existing studies still focus on sentiment polarity classifying opinions only as positive or negative without examining deeper emotional expressions that may reflect customer experiences more comprehensively. To address this gap, this study applies a Natural Language Processing (NLP) approach using the pre-trained DistilBERT transformer model to detect emotional patterns in women’s fashion product reviews. The dataset, obtained from Kaggle’s Women’s E-Commerce Clothing Reviews, contains approximately 23,000 entries and includes review texts along with demographic and product-related attributes. The research workflow consists of data cleaning, feature engineering, exploratory text analysis, and emotion detection using the DistilBERT-based emotion classifier. All analyses were performed using Python in the Google Colab environment. The results reveal that positive emotions, particularly joy and admiration, dominate customer feedback, indicating strong satisfaction with product fit and quality. Conversely, negative emotions such as anger and sadness appear more frequently in reviews mentioning sizing inconsistencies, fabric issues, or unmet expectations. The combination of sentiment context, emotional tone, and engineered features provides a more nuanced understanding of customer behavior compared to sentiment polarity alone. These findings highlight the potential of emotion-aware analytical approaches to support e-commerce businesses in improving product development, enhancing customer experience, and designing data-driven marketing strategies.

ANALISA IMPLEMENTASI RANCANGAN SMART SCHOOL PADA GURU DAN SISWA SMP IT ANAK SHOLEH MANDIRI BANJARMASIN Herry Adi Chandra; Silvia Ratna; M. Muflih; Muhammad Rasyidan; Wagino Wagino; Yusri Ikhwani; Nur Alamsyah
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 6 No. 4 (2025): Volume 6 No 4 Tahun 2025
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v6i4.49402

Analisa Implementasi Rancangan Smart School menggunakan Bardi Smart Breaker pada Guru dan Siswa SMP IT Anak Sholeh Mandiri Banjarmasin bertujuan untuk meningkatkan pemahaman dan keterampilan dalam mengintegrasikan teknologi pintar dalam lingkungan sekolah. Pelatihan ini difokuskan pada penggunaan Bardi Smart Breaker, sebuah perangkat yang memungkinkan pengelolaan energi listrik secara efisien dan aman melalui sistem otomatis. Melalui pelatihan ini, siswa dan guru diharapkan dapat memahami prinsip kerja, instalasi, serta manfaat dari penerapan teknologi ini dalam mendukung konsep Smart School. Metode pelatihan meliputi sesi teori, demonstrasi, dan praktik langsung untuk memastikan peserta mampu mengaplikasikan pengetahuan yang diperoleh. Hasil yang diharapkan dari pelatihan ini adalah terciptanya lingkungan sekolah yang lebih efisien, aman, dan ramah lingkungan, serta meningkatkan kesadaran akan pentingnya teknologi dalam pendidikan. Pelatihan ini juga diharapkan dapat menjadi langkah awal dalam mengembangkan SMP IT Anak Sholeh Mandiri Banjarmasin sebagai sekolah berbasis teknologi yang siap menghadapi tantangan di era digital.

SEGMENTASI PELANGGAN E-COMMERCE MENGGUNAKAN ANALISIS RFM DAN ALGORITMA K-MEANS CLUSTERING M. Muflih; Silvia Ratna; Wagino Wagino
Technologia : Jurnal Ilmiah Vol 16 No 1 (2025): Technologia (Januari)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v16i1.25087

Persaingan bisnis e-commerce yang semakin ketat menuntut perusahaan memahami perilaku pelanggan agar strategi pemasaran lebih tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan e-commerce menggunakan analisis Recency, Frequency, dan Monetary (RFM) yang dikombinasikan dengan algoritma K-Means clustering. Data transaksi diproses melalui tahap pembersihan data, perhitungan nilai RFM, normalisasi menggunakan transformasi logaritma dan standardisasi, penentuan jumlah cluster optimal melalui metode Elbow dan Silhouette, serta klasterisasi K-Means. Hasil pengujian menunjukkan jumlah cluster optimal sebanyak empat dengan nilai Silhouette sebesar 0,33. Keempat segmen yang terbentuk adalah pelanggan loyal bernilai tinggi, pelanggan potensial reguler, pelanggan bernilai rendah, dan pelanggan berisiko berhenti (churn). Segmentasi ini dapat menjadi dasar bagi pelaku e-commerce dalam menyusun strategi pemasaran yang berbeda dan terfokus untuk setiap kelompok pelanggan, sehingga meningkatkan efektivitas retensi dan pendapatan.

DETEKSI FRAUD PADA TRANSAKSI KARTU KREDIT E-COMMERCE: ANALISIS PERBANDINGAN TEKNIK PENANGANAN KETIDAKSEIMBANGAN KELAS MENGGUNAKAN FITUR INTERPRETABLE M. Muflih; Silvia Ratna; Yusri Ikhwani
Technologia : Jurnal Ilmiah Vol 16 No 2 (2025): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v16i2.25089

Ketidakseimbangan kelas merupakan hambatan utama dalam pengembangan sistem deteksi fraud transaksi kartu kredit pada lingkungan e-commerce. Penelitian ini bertujuan membandingkan efektivitas tiga teknik penanganan ketidakseimbangan kelas, yaitu tanpa penyeimbangan, oversampling sintetis, dan pembobotan kelas, yang dikombinasikan dengan tiga algoritma klasifikasi sehingga menghasilkan sembilan skenario eksperimen. Data yang digunakan berjumlah 20.000 transaksi dengan proporsi fraud sebesar 1,70 persen dan memiliki fitur yang dapat diinterpretasi secara langsung. Setiap skenario dioptimasi melalui pencarian grid dan dievaluasi menggunakan validasi silang berulang berstrata serta data uji independen dengan metrik area di bawah kurva presisi-recall. Hasil penelitian menunjukkan bahwa model linear tanpa penyeimbangan memberikan capaian tertinggi, sedangkan teknik penyeimbangan meningkatkan recall namun menurunkan presisi secara tajam tanpa memperbaiki capaian keseluruhan. Optimasi ambang keputusan terbukti meningkatkan keseimbangan kinerja lebih efektif dibandingkan penerapan teknik penyeimbangan data. Temuan ini menegaskan bahwa kalibrasi ambang keputusan perlu diprioritaskan dalam perancangan sistem deteksi fraud pada perdagangan elektronik.

DETEKSI FRAUD PADA TRANSAKSI KARTU KREDIT E-COMMERCE: ANALISIS PERBANDINGAN TEKNIK PENANGANAN KETIDAKSEIMBANGAN KELAS MENGGUNAKAN FITUR INTERPRETABLE M. Muflih; Silvia Ratna; Yusri Ikhwani
Technologia : Jurnal Ilmiah Vol 16 No 2 (2025): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v16i2.25093

Ketidakseimbangan kelas merupakan hambatan utama dalam pengembangan sistem deteksi fraud transaksi kartu kredit pada lingkungan e-commerce. Penelitian ini bertujuan membandingkan efektivitas tiga teknik penanganan ketidakseimbangan kelas, yaitu tanpa penyeimbangan, oversampling sintetis, dan pembobotan kelas, yang dikombinasikan dengan tiga algoritma klasifikasi sehingga menghasilkan sembilan skenario eksperimen. Data yang digunakan berjumlah 20.000 transaksi dengan proporsi fraud sebesar 1,70 persen dan memiliki fitur yang dapat diinterpretasi secara langsung. Setiap skenario dioptimasi melalui pencarian grid dan dievaluasi menggunakan validasi silang berulang berstrata serta data uji independen dengan metrik area di bawah kurva presisi-recall. Hasil penelitian menunjukkan bahwa model linear tanpa penyeimbangan memberikan capaian tertinggi, sedangkan teknik penyeimbangan meningkatkan recall namun menurunkan presisi secara tajam tanpa memperbaiki capaian keseluruhan. Optimasi ambang keputusan terbukti meningkatkan keseimbangan kinerja lebih efektif dibandingkan penerapan teknik penyeimbangan data. Temuan ini menegaskan bahwa kalibrasi ambang keputusan perlu diprioritaskan dalam perancangan sistem deteksi fraud pada perdagangan elektronik.

OPTIMASI BOBOT HYBRID CONTENT-BASED FILTERING UNTUK REKOMENDASI PRODUK FASHION TOKOPEDIA M. Muflih; Silvia Ratna; Nur Alamsyah
Jurnal Sains Sistem Informasi Vol 2 No 2 (2024): JSSI (Mei)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v2i2.25094

Ketersediaan produk yang sangat banyak pada platform e-commerce menimbulkan permasalahan kelebihan informasi bagi pengguna. Collaborative Filtering umum digunakan untuk mengatasi permasalahan tersebut, namun kinerjanya bergantung pada riwayat interaksi eksplisit pengguna yang pada praktiknya tidak selalu tersedia, terutama pada data ulasan publik tanpa identitas pengguna. Penelitian ini mengembangkan sistem rekomendasi produk fashion Tokopedia menggunakan pendekatan Content-Based Filtering ganda yang menggabungkan dua sinyal konten, yaitu kemiripan nama produk dan kemiripan teks ulasan pengguna, melalui skema weighted hybrid. Kedua representasi dibentuk menggunakan Term Frequency-Inverse Document Frequency dan dihitung kemiripannya dengan Cosine Similarity. Bobot kombinasi dioptimalkan menggunakan Grid Search berdasarkan Normalized Discounted Cumulative Gain pada data validasi. Eksperimen dilakukan pada 1.520 produk fashion dari 46 toko yang diperoleh dari data ulasan Tokopedia. Hasil pengujian menunjukkan bahwa hybrid dengan bobot optimal (alpha=0,80) menghasilkan NDCG@10 sebesar 0,919, lebih tinggi dibandingkan hybrid berbobot sama (0,888) dan model tunggal berbasis ulasan (0,267), menunjukkan bahwa kemiripan nama produk memberikan kontribusi lebih dominan dibandingkan teks ulasan pengguna.

DEKOMPOSISI HIERARKIS UNTUK PENINGKATAN AKURASI KLASIFIKASI EMOSI ULASAN E-COMMERCE INDONESIA MENGGUNAKAN INDOBERT M. Muflih; Silvia Ratna; Herry Adi Chandra
Jurnal Sains Sistem Informasi Vol 2 No 3 (2024): JSSI (September)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v2i3.25095

Pemilahan opini pelanggan ke dalam lima kategori emosi menyediakan informasi yang jauh lebih tajam daripada pemilahan positif dan negatif, namun akurasinya masih tertahan karena satu model dipaksa memisahkan kelima kategori itu sekaligus. Studi ini menawarkan jalan keluar berupa pemecahan persoalan menjadi susunan bertingkat. Bahan yang dipakai adalah PRDECT-ID, himpunan 5.400 ulasan Tokopedia dari 29 kategori produk yang telah dianotasi ke dalam lima kategori emosi. Prosedur kerja disusun dalam lima tahap sesuai kerangka Knowledge Discovery in Databases. Pemeriksaan awal menemukan pemilahan sempurna antara kedua jenis label, tanpa satu pun kategori emosi yang muncul di dua sisi sentimen, sehingga persoalan lima kelas dapat dipecah menjadi satu tugas penentuan cabang dan dua tugas pengenalan di dalam cabang yang masing-masing hanya memuat dua dan tiga kategori. Penentuan cabang dijalankan secara lunak melalui perkalian peluang cabang dengan peluang emosi di dalamnya, dan diuji melalui dua skenario, yakni berbasis teks dan berbasis peringkat bintang. Susunan bertingkat menghasilkan akurasi 69,35% berbanding 67,59% pada model datar, sementara F1 makro naik dari 0,6243 ke 0,6580. Perbaikan paling menonjol muncul pada kategori yang semula paling kabur pengenalannya.

Title

Found 18 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 18 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 18 Documents
Search