SISTEM REKOMENDASI PADA E-COMMERCE MENGGUNAKAN ALGORITMA MULTI-ARMED BANDIT

Sistem rekomendasi merupakan suatu sistem yang bertujuan memberikan saran kepada pengguna tentang item yang akan mereka pilih. Metode Multi-Armed Bandit dibuat untuk mengatasi kelemahan sistem rekomendasi Colaborative Filtering dimana sistem memberikan rekomendasi berdasarkan rating tertinggi. Pada skripsi ini akan dijelaskan bagaimana menerapkan metode Multi-Armed Bandit dengan menggunakan algoritma Softmax berdasarkan feedback implisit pengguna sehingga menghasilkan rekomendasi dengan tingkat penyebaran data yang merata. Algoritma Softmax akan melakukan pertukaran (trade-off) antara eksploitasi pada movie yang memiliki tingkat probabilitas yang tinggi dan eksplorasi pada movie yang memiliki kemungkinan yang baik untuk dapat diterima pengguna. Untuk mengetahui tingkat penyebaran data, sistem akan diuji dengan membandingkan tingkat penyebaran data melalui perhitungan standar deviasi. Sample perhitungan diperoleh dari hasil rekomendasi yang di generate oleh sistem pada beberapa running test dengan tingkat acak yang bebeda dan dilakukan pada 2 jenis data yang berbeda. Dari pengujian tersebut didapatkan nilai 1.5 sebagai tingkat acak yang memiliki tingkat penyebaran data terbaik antara eksplorasi dan eksploitasi dengan tetap menjaga reliabilitas rekomendasi, serta menunjukkan bahwa keunggulan pendekatan metode Multi-Armed Bandit tidak memerlukan value atau rating awal sebagai dasar untuk mendapatkan rekomendasi.