<![CDATA[Kebutuhan akan sistem rekomendasi telah meningkat sebagai akibat dari kemajuan teknologi informasi. Sistem rekomendasi ini harus dapat membantu pelanggan memilih barang elektronik, khususnya smartphone, sesuai dengan preferensi mereka. Tujuan dari penelitian ini adalah untuk membuat sistem rekomendasi berbasis konten yang dibantu oleh algoritma Extreme Gradient Boosting (XGBoost), yang akan meningkatkan akurasi prediksi dan relevansi rekomendasi. Dataset yang digunakan berasal dari platform publik Kaggle dan mencakup rating dan data spesifikasi pengguna untuk berbagai produk smartphone Realme dan Samsung. Pengolahan data mencakup pembersihan data, konversi tipe data numerik dan kategorikal, dan memilih fitur penting seperti harga, RAM, prosesor, kamera, baterai, dan ukuran layar. Metode cosine similarity digunakan untuk mengukur tingkat kemiripan antarproduk untuk menghasilkan rekomendasi yang relevan, sementara model XGBoost memprediksi nilai rating produk berdasarkan fiturnya. Untuk menilai model, metrik Root Mean Squared Error (RMSE) digunakan. Hasil evaluasi, yang menunjukkan performa prediksi yang sangat baik, adalah 0.1529. Selain itu, sistem diuji melalui simulasi skenario rekomendasi. Dalam skenario ini, produk dengan tingkat kemiripan yang tinggi dan prediksi rating yang tinggi diidentifikasi sebagai alternatif yang layak. Studi ini menunjukkan bahwa kombinasi XGBoost dan filter berbasis konten sangat efektif untuk membuat sistem rekomendasi yang pintar, akurat, dan mampu memberikan nilai tambahan kepada pengguna selama proses pengambilan keputusan pembelian. Untuk meningkatkan kualitas hasil rekomendasi, sistem ini dapat dikembangkan lebih lanjut dengan menggabungkan metode hybrid atau data interaksi pengguna.]]>
Copyrights © 2025
