Sistem Rekomendasi Berbasis Collaborative Filtering menggunakan Light Graph Convolution Network (Studi Kasus : Review Produk Skincare Female Daily)

Abstract

Female Daily adalah salah satu e-commerce kecantikan terbesar di Indonesia yang didirikan pada tahun 2007 oleh Hanifa Ambadar, Affi Assegaf, dan Novita Amelda. Dengan berbagai produk yang tersedia, hal ini sangat penting untuk membuat sistem rekomendasi sehingga akan mempermudah pengguna dalam pemilihan produk. Penelitian ini menggunakan sistem rekomendasi berbasis collaborative filtering menggunakan light graph convolution network (LightGCN). Sistem rekomendasi ini akan memberikan kemudahan bagi pengguna produk Female Daily dalam pemilihan produk. LightGCN digunakan untuk memodelkan hubungan kompleks antara produk, merek, dan preferensi pengguna dalam sistem rekomendasi. Data yang digunakan adalah hasil review pengguna terhadap produk Female Daily dari tahun 2020. Dataset yang digunakan sejumlah 8646 dengan item produk sebanyak 801 dan 4464 user. Evaluasi model rekomendasi di dapatkan nilai ROC AUC sebesar 70.93%, mengindikasikan kemampuan model yang baik dalam membedakan antara item yang relevan dan tidak relevan bagi pengguna. Pendekatan LightGCN mampu meningkatkan kualitas rekomendasi dengan mengoptimalkan relevansi produk kepada pengguna.