<![CDATA[Data transaksi ritel dapat dimanfaatkan untuk mengidentifikasi keterkaitan antarproduk dan mendukung strategi cross-selling, terutama ketika data rating, profil, atau identitas pelanggan tidak tersedia. Penelitian ini bertujuan membangun baseline sistem rekomendasi cross-selling berbasis Item Similarity menggunakan Cosine Similarity dari pola co-occurrence pada transaksi penjualan. Dataset terdiri atas 77 transaksi dan 296 produk. Setelah pembersihan data, transaksi ditransformasikan menjadi matriks transaksi-item biner dan ditransposisi menjadi vektor item-transaksi untuk menghitung kemiripan antarproduk dan menghasilkan rekomendasi Top-N. Evaluasi menggunakan protokol dua tingkat: leave-one-transaction-out, yaitu mengeluarkan seluruh transaksi uji dari data pembentuk matriks similarity untuk mencegah kebocoran informasi, kemudian leave-one-item-out di dalam transaksi uji, yaitu menahan satu item sebagai target dan menggunakan item lainnya sebagai masukan. Sebanyak 71 transaksi memenuhi syarat dan menghasilkan 368 kasus uji. Pasangan B148 dan B151 memperoleh Cosine Similarity 0,894. Pada Top-10, model menghasilkan Hit Rate/Recall@10 sebesar 8,15%, Precision@10 sebesar 0,82%, dan Mean Reciprocal Rank sebesar 0,040. Performa yang relatif rendah berkaitan dengan sparsity matriks sebesar 98,36% dan dominasi produk berfrekuensi rendah. Hasil ini menunjukkan bahwa Item Similarity berbasis transaksi dapat digunakan sebagai baseline yang sederhana dan interpretable untuk cross-selling pada ritel dengan data terbatas, sekaligus menegaskan perlunya data interaksi yang lebih kaya untuk meningkatkan kualitas rekomendasi.]]>
Copyrights © 2026
