Kaila, Afifah Syifah (2025) PENERAPAN ALGORITMA RESTRICTED BOLTZMANN MACHINE DALAM SISTEM REKOMENDASI PRODUK PADA WEBSITE E-COMMERCE UKM KOPI. Diploma thesis, Politeknik Negeri Sriwijaya.
|
Text (COVER)
COVER.pdf - Published Version Download (1MB) | Preview |
|
![[img]](http://eprints.polsri.ac.id/style/images/fileicons/text.png) |
Text (ABSTRAK)
ABSTRAK.pdf - Published Version Download (11kB) |
|
|
Text (BAB I)
BAB I.pdf - Published Version Restricted to Repository staff only Download (96kB) |
|
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Repository staff only Download (191kB) |
|
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Repository staff only Download (203kB) |
|
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Repository staff only Download (635kB) |
|
|
Text (BAB V)
BAB V.pdf - Published Version Restricted to Repository staff only Download (10kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (143kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (9MB) |
Abstract
Perkembangan teknologi informasi mendorong pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk memanfaatkan platform digital seperti e-commerce guna memasarkan produk secara lebih luas dan efisien. Untuk meningkatkan pengalaman pengguna dan penjualan pada platform e-commerce kopi bagi UMKM, penelitian ini mengembangkan sistem rekomendasi produk berbasis algoritma Restricted Boltzmann Machine (RBM). Sistem ini dirancang untuk mengatasi masalah data terbatas (sparse data) yang umum terjadi pada tahap awal digitalisasi. Model RBM dilatih menggunakan data simulasi di Google Colaboratory dan dievaluasi menggunakan metrik Mean Squared Error (MSE), dibandingkan dengan baseline berupa rekomendasi populer dan acak. Hasil menunjukkan bahwa arsitektur RBM terbaik, dengan 10 unit tersembunyi, mencapai nilai MSE 0,0454, lebih rendah dari metode populer (0,0802) dan acak (0,0760). Model ini kemudian diintegrasikan ke dalam website berbasis Laravel dan mampu memberikan rekomendasi produk yang personal dan dinamis. Hasil penelitian menunjukkan potensi RBM dalam meningkatkan konversi penjualan UMKM melalui personalisasi, sekaligus menjadi dasar bagi pengembangan sistem rekomendasi lanjutan di sektor ini.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Sistem Rekomendasi, Restricted Boltzmann Machine (RBM), E-Commerce, Cold-Start, Artificial Intelligence |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Telecommunication Engineering > Undergraduate Theses |
| Depositing User: | Pustaka Teknik Elektro |
| Date Deposited: | 02 Sep 2025 03:30 |
| Last Modified: | 02 Sep 2025 03:30 |
| URI: | http://eprints.polsri.ac.id/id/eprint/18955 |
Actions (login required)
 |
View Item |
