PEMODELAN KATEGORISASI PRODUK APPAREL PADA MARKETPLACE DENGAN MACHINE LEARNING

Inez Sayfira, Mega and Harsani, Prihastuti and Maryana, Harsani (2021) PEMODELAN KATEGORISASI PRODUK APPAREL PADA MARKETPLACE DENGAN MACHINE LEARNING. Skripsi thesis, Universitas Pakuan.

Text SKRIPSI - 065116051 - MEGA INEZ SYAFIRA.pdf Download (3MB)

Abstract

PEMODELAN KATEGORISASI PRODUK APPAREL PADA MARKETPLACE DENGAN MACHINE LEARNING Mega Inez Syafira1) , Prihastuti Harsani2) , Sufiatul Maryana3) 1,2,3) Program Studi Ilmu Komputer, Fakultas MIPA Universitas Pakuan Bogor E-mail: mgnzsyafira@gmail.com Abstrak E-commerce adalah salah satu bagian dari pemanfaatan teknologi yang bergerak di bidang perdagangan, yang membantu konsumen dalam hal transaksi barang dan jasa melalui media elektronik. Menurut Aco et al. (2017), promosi melalui e-commerce dapat membantu para penjual yang ingin produknya dikenal dan terjual ke penjuru dunia dengan memanfaatkan akses yang cepat, murah, dan mudah dalam hal persaingan kegiatan jual-beli. Kategorisasi produk pada e-commerce dianggap sebagai salah satu hal penting dalam kesuksesan penjualan produk. Agar produk yang ingin dijual dapat dengan mudah diakses oleh calon pembeli, maka penjual harus menyusun produknya ke berbagai kategori yang sesuai dengan spesifikasi produk tersebut. Banyaknya jenis barang jadi yang dapat diperjualbelikan—salah satunya produk apparel—menjadi salah satu penyebab sulitnya menetapkan kategorisasi. Pemilihan kategori produk secara manual dengan banyaknya kategori yang disediakan oleh e-commerce akan menimbulkan mis-kategorisasi produk, sehingga menyulitkan pembeli yang sedang mencari produk tersebut sesuai kategorinya. Akibatnya, kategori produk yang dihasilkan menjadi kurang akurat, sehingga berdampak kepada penjualan produk tersebut yang tidak maksimal. Berdasarkan permasalahan tersebut, penelitian ini melakukan pemodelan kategorisasi produk apparel berdasarkan komparasi antara pendekatan supervised learning dan unsupervised learning. Penelitian ini menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan ekstraksi fitur secara unigram dan bigram, selanjutnya hasil pengolahan data tersebut digunakan pada 2 (dua) pendekatan berbeda, yaitu pendekatan unsupervised learning dengan menggunakan metode Latent Dirichlet Allocation (LDA) untuk pemodelan topik, dan pendekatan supervised learning dengan menggunakan metode Naïve Bayes untuk kategorisasi. Data yang digunakan berupa sampel data produk apparel, dengan jenis produk fashion yang terdapat pada website e-commerce Aliexpress.com. Kata kunci: E-commerce, Kategorisasi, Latent Dirichlet Allocation, Naïve Bayes Abstract E-Commerce is one part of the utilization of technology, which helps consumers in term

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	17 May 2024 03:20
Last Modified:	17 May 2024 03:20
URI:	http://eprints.unpak.ac.id/id/eprint/7661

Actions (login required)

View Item