Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Siva Dwi Septiana
Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 1 Documents
Search

 1 
Penerapan Metode Decision Tree Dan Content-Based Filtering Untuk Rekomendasi Produk Berbasis Web Siva Dwi Septiana; Herliyani Hasanah; Nibras Faiq Muhammad
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemanfaatan sistem rekomendasi pada platform e-commerce mempermudah pengguna untuk menentukan produk yang sesuai dengan kebutuhan dan preferensinya. Toko Kaka accessories merupakan toko yang bergerak dalam penjualan aksesoris wanita dengan beragam kategori produk. Banyaknya jumlah produk dan kategori produk mengakibatkan kesulitan dalam pemilihan kebutuhan bagi customer. Penelitian ini bertujuan mengembangkan sistem rekomendasi produk berbasis web dengan mengintegrasikan metode Decision Tree dan Content-Based Filtering. Metode Decision Tree digunakan untuk mengklasifikasikan kategori produk berdasarkan preferensi pengguna, sedangkan Content-Based Filtering digunakan untuk menghasilkan rekomendasi berdasarkan tingkat kemiripan atribut produk menggunakan Cosine Similarity. Dataset yang digunakan terdiri dari 100 produk aksesoris yang meliputi bando, gelang, jepit rambut, kalung, dan kuncir rambut. Sistem dikembangkan menggunakan framework Laravel, bahasa pemrograman Phyton, dan basis data MYSQL. Hasil pengujian menunjukkan bahwa Decision Tree memperoleh nilai accuracy sebesar 80%, Precision sebesar 71,43%, Recall sebesar 80%, dan F1-score sebesar 74,55%. Evaluasi sistem rekomendasi menghasilkan nilai Average Similarity sebesar 0,14, Maximum Similarity sebesar 0,86, Precision@10 sebesar 67,14%, dan Recommendation F1 sebesar 76,56%. Hasil penelitian menunjukkan kombinasi kedua metode mampu memberikan rekomendasi yang relevan dan membantu pengguna dalam menentukan produk yang sesuai dengan preferensinya.
Co-Authors Hasanah, Herliyani Nibras Faiq Muhammad