Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Ailsa Atikah Azaria
Universitas Sunan Gresik
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Fitur “Rekomendasi” vs “Beli Lagi” terhadap Keputusan Pembelian pada Platform E-Commerce Michael Tajuddin Panotogomo; Faizatul Siti Nur Azizah Finanda Putri; Ailsa Atikah Azaria
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9763

Abstract

Persaingan bisnis e-commerce yang sangat pesat telah mendorong perusahaan mengimplementasikan Sistem Informasi Manajemen (SIM) strategis berbasis Kecerdasan Buatan (AI) guna mengoptimalkan setiap transaksi pengguna. Penelitian ini bertujuan untuk membandingkan efektivitas dua fitur antarmuka utama, yaitu "Rekomendasi Untuk Anda" (berbasis algoritma Collaborative Filtering) dan "Beli Lagi" (berdasarkan analitik prediktif Algoritma Apriori) dalam memengaruhi keputusan akhir pembelian konsumen. Penelitian ini menggunakan pendekatan kuantitatif deskriptif komparatif dengan mendistribusikan kuesioner terstruktur melalui platform Google Form kepada 50 responden terpilih, yang sebagian besar merupakan kelompok pengguna Generasi Z dari aplikasi Shopee dan TikTok Shop. Hasil analisis empiris menunjukkan bahwa fitur Collaborative Filtering sangat unggul dalam memanipulasi perhatian visual pengguna dan sukses memicu perilaku pembelian impulsif yang tidak terencana, serta mendominasi keputusan checkout akhir sebesar 66%. Di sisi lain, fitur analitik prediktif "Beli Lagi" sangat unggul dalam memberikan efisiensi waktu belanja secara signifikan (76%) dan terbukti sangat efektif sebagai instrumen strategi loyalitas pelanggan, khususnya untuk produk kebutuhan rutin sehari-hari. Kesimpulan utama dari studi ini secara tegas menekankan bahwa arsitektur Sistem Informasi Manajemen (SIM) e-commerce modern sangat membutuhkan sinergi dinamis dari kedua algoritma tersebut: Collaborative Filtering berfokus untuk meningkatkan Gross Merchandise Value (GMV) secara instan, sedangkan Predictive Analytics berfokus untuk mempertahankan Customer Relationship Management (CRM) jangka panjang.
Co-Authors Faizatul Siti Nur Azizah Finanda Putri Michael Tajuddin Panotogomo