PENINGKATAN AKURASI SISTEM REKOMENDASI PRODUK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION

Zaenuddin; Wildan Jazuli; Devi Wulandari; Rini Fath Marsya

doi:10.64626/jukomtek.v3i2.684

Penulis

Zaenuddin Universitas Mitra Bangsa
Wildan Jazuli Universitas Mitra Bangsa
Devi Wulandari Universitas Mitra Bangsa
Rini Fath Marsya Universitas Mitra Bangsa

DOI:

https://doi.org/10.64626/jukomtek.v3i2.684

Kata Kunci:

Sistem rekomendasi, Optimasi Koloni Semut, produk terkait, akurasi.

Abstrak

Abstrak: Sistem rekomendasi produk memainkan peran penting dalam membantu pengguna
menemukan produk yang sesuai dengan preferensi mereka, terutama dalam platform e-commerce.
Namun, tantangan utama yang dihadapi adalah bagaimana meningkatkan akurasi rekomendasi
agar hasil yang diberikan benar-benar relevan. Penelitian ini mengusulkan penerapan algoritma
Ant Colony Optimization (ACO) dalam meningkatkan akurasi sistem rekomendasi. ACO
merupakan algoritma metaheuristik yang meniru perilaku semut dalam mencari jalur terpendek
menuju sumber makanan, yang diadaptasi dalam konteks pencarian kombinasi produk yang
optimal berdasarkan riwayat interaksi pengguna. Hasil pengujian menunjukkan bahwa integrasi
ACO dengan pendekatan berbasis collaborative filtering meningkatkan akurasi rekomendasi
hingga 34% dibandingkan metode konvensional. Temuan ini memberikan kontribusi terhadap
pengembangan sistem rekomendasi yang lebih cerdas dan adaptif.

Referensi

F. Carvalho and G. P. Guedes, ‘TF-IDFC-RF: A Novel Supervised Term Weighting Scheme’, pp. 1–28, 2020, [Online]. Available: http://arxiv.org/abs/2003.07193

D. Susandi and U. Sholahudin, ‘Pemanfaatan Vector Space Model pada Penerapan Algoritma Nazief Adriani, KNN dan Fungsi Similarity Cosine untuk Pembobotan IDF dan WIDF pada Prototipe Sistem Klasifikasi Teks Bahasa Indonesia’, ProTekInfo(Pengembangan Riset dan Observasi Teknik Informatika), vol. 3, no.1, pp. 22–29, 2017, doi: 10.30656/protekinfo.v3i0.54.

C. Blum and M. López-Ibáñez, ‘Ant Colony Optimization’, The Industrial Electronics Handbook - Five Volume Set, no. December, 2011, doi: 10.4249/scholarpedia.1461.

A. Nurkholis, D. Alita, and A. Munandar, ‘Comparison of Kernel Support Vector Machine Multi-Class in PPKM Sentiment Analysis on Twitter’, Jurnal RESTI, vol. 6, no. 2, pp. 227–233, 2022, doi: 10.29207/resti.v6i2.3906.

U. N. Tantyoko. Adiwijaya. & Wisesty, ‘35-Article Text-89-1-10-20190908.pdf’, 2019.

E. IVOHIN and K. YUSНTIN, ‘Use of Ant Colony Optimization Algorithm for Solving Fuzzy Problem of Traveling Salesman’, Advanced Information Technology, vol. 5, no. 1 (3), pp. 23–31, 2024, doi: 10.17721/ait.2024.1.03.

A. Holifatun Nisa and I. Cholissodin, ‘Optimasi Travelling Salesman Problem Pada Angkutan Sekolah Dengan Menggunakan Algoritme Hybrid Discrete Particle Swarm Optimization (Studi Kasus: MI Salafiyah Kasim Blitar)’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: xxxx-xxx, vol. 3, no. 4, pp. 3660–3667, 2019, [Online]. Available: http://j-ptiik.ub.ac.id

O. Soesanto, P. Affandi, and N. D. Astuti, ‘Algoritma Ant Colony Optimization pada Quadratic Assignment Problem’, Jambura Journal of Mathematics, vol. 1, no. 2, pp. 104–110, 2019, doi: 10.34312/jjom.v1i2.2353.