MARKETPLACE BUKU BEKAS MENGGUNAKAN SISTEM REKOMENDASI DENGAN METODE FEATURE-BASED FACTORIZED BILINEAR SIMILARITY MODEL (FBSM)

Marketplace adalah wadah komunitas bisnis interaktif secara elektronik yang menyediakan pasar untuk penjual maupun pembeli dalam memasarkan produknya. Sistem rekomendasi sering digunakan pada marketplace untuk membantu pengguna dalam menemukan produk yang sesuai keinginannya. Pada sistem rekomendasi metode yang sering digunakan salah satunya yaitu collaborative filtering, dimana pada metode ini, item yang baru diperkenalkan memungkinkan tidak mendapatkan rating yang cukup, yang menyebabkan tidak direkomendasikan kepada pengguna atau yang biasa disebut dengan masalah cold-start pada item. Pada penelitian ini digunakan metode Feature-Based Factorized Bilinear Similarity Model (FBSM) untuk dapat mengatasi masalah cold start item pada marketplace buku bekas. Metode FBSM ini melihat target item terhadap item-item yang telah dirating sebelumnya oleh target user, kemudian nilai kemiripan dihitung untuk membangun prediksi. Hasil dari penelitian ini menunjukkan bahwa metode Feature-Based Factorized Bilinear Similarity Model (FBSM) pada Sistem Rekomendasi dapat mengatasi masalah cold-start pada item. Namun metode tersebut masih memiliki kekurangan pada data yang banyak dirating sehingga membuat hasil rekomendasi yang diberikan tidak baik dan berdasarkan hasil dari tingkat kepuasan pengguna menyatakan sangat setuju dengan aplikasi yang dibangun.