<![CDATA[Sistem rekomendasi pada platform e-commerce lokal menghadapi tantangan signifikan berupa data sparsity, keragaman modalitas informasi produk, dan dinamika preferensi konsumen yang dipengaruhi oleh konteks budaya dan sosial-ekonomi regional. Penelitian kepustakaan ini bertujuan mengembangkan kerangka Sistem Rekomendasi Adaptif Berbasis Graph Neural Network dengan Multi-Modal Fusion yang mengintegrasikan tiga pilar utama—GNN untuk pemodelan struktur relasional, multi-modal fusion untuk pemahaman konten multimodal yang kaya, dan mekanisme adaptasi untuk penyesuaian dinamis terhadap perubahan preferensi dan konteks lokal. Melalui analisis konten terhadap 47 artikel jurnal, 23 makalah konferensi, dan 12 buku teks, ditemukan bahwa integrasi ketiga komponen menghasilkan efek sinergis dengan peningkatan performa rata-rata 25-35% pada metrik Recall dan NDCG dibandingkan pendekatan tunggal. Modalitas tekstual memberikan kontribusi terbesar terhadap akurasi, sementara modalitas visual lebih berperan pada diversity rekomendasi. Mekanisme adaptasi pada level fusion terbukti lebih efektif (10-15% peningkatan) dibandingkan adaptasi pada level rekomendasi (5-8%). Penelitian ini berkontribusi pada pengembangan ilmu pengetahuan melalui kerangka konseptual terintegrasi serta memberikan panduan praktis bagi pengembangan sistem rekomendasi yang adaptif terhadap karakteristik unik e-commerce lokal.]]>
Copyrights © 2026
