Klik di sini untuk melihat video penelitian

Penelitian oleh Badia Nommensen, mahasiswa Magister Teknik Informatika BINUS Graduate Program, mengembangkan model TIE-BSARec untuk meningkatkan performa sistem rekomendasi sekuensial pada platform e-commerce. Penelitian ini memodifikasi arsitektur BSARec dengan mengintegrasikan informasi temporal untuk membantu sistem memahami pola interaksi dan perubahan minat pengguna dalam aktivitas belanja daring.

Mengintegrasikan Informasi Waktu dalam Sistem Rekomendasi

Sistem rekomendasi sekuensial memanfaatkan urutan interaksi pengguna untuk memprediksi produk yang kemungkinan diminati berikutnya. Namun, urutan klik saja belum sepenuhnya menggambarkan perilaku pengguna. Jeda waktu antara satu klik dan klik berikutnya juga dapat memberikan informasi mengenai ritme eksplorasi dan perubahan minat pengguna.

Untuk mengatasi tantangan tersebut, penelitian ini mengusulkan TIE-BSARec, yaitu modifikasi arsitektur BSARec melalui integrasi Temporal Interval Encoding (TIE) pada tahap Fused Input Embedding. Metode ini memasukkan interval waktu nyata (Δt) antar-klik ke dalam representasi laten model, sehingga informasi temporal dapat digunakan bersama fitur frekuensi spektral yang diekstraksi melalui Transformasi Fourier.

Kombinasi kedua pendekatan tersebut dirancang untuk menangkap pola interaksi pengguna secara lebih menyeluruh, baik berdasarkan urutan aktivitas maupun interval waktu yang memisahkan setiap interaksi.

Peningkatan Akurasi pada Tiga Dataset E-Commerce

Evaluasi model menunjukkan peningkatan akurasi rekomendasi yang diukur menggunakan metrik Hit Rate at 10(HR@10) pada tiga dataset e-commerce. Model TIE-BSARec mencatat peningkatan sebesar 10,51% pada dataset Taobao, 4,58% pada RetailRocket, dan 0,71% pada Yoochoose.

Hasil ini menunjukkan bahwa integrasi informasi waktu nyata dan fitur frekuensi dapat meningkatkan kualitas pemeringkatan rekomendasi dibandingkan pendekatan sebelumnya. Peningkatan tersebut juga mengindikasikan bahwa informasi temporal berpotensi membantu model merespons perubahan pola interaksi dan pergeseran minat pengguna (interest drift).

Mendukung Sistem Rekomendasi yang Lebih Adaptif

Penelitian Badia Nommensen menyoroti pentingnya mempertimbangkan dimensi waktu dalam pengembangan sistem rekomendasi sekuensial. Dengan menggabungkan informasi interval waktu antar-klik dan pola frekuensi aktivitas pengguna, TIE-BSARec menawarkan pendekatan untuk menghasilkan rekomendasi produk yang lebih sesuai dengan dinamika perilaku pengguna.

Pendekatan ini berpotensi mendukung pengembangan sistem rekomendasi e-commerce yang lebih adaptif terhadap perubahan minat pengguna, sehingga dapat membantu meningkatkan relevansi produk yang ditampilkan dalam pengalaman belanja daring.

Lihat video penelitian selengkapnya di Instagram:

https://www.instagram.com/reel/DebQ3DBR6BD/?utm_source=ig_web_copy_link&srtk=MzRlODBiNWFlZA==