đ
29 June 2026
DOI: 10.31331/joined.v9i1.4484
Sistem Rekomendasi Multimodal Pada E-Commerce Menggunakan Transformer Integrasi Teks Deskripsi Dan Gambar Produk Untuk Mengatasi Item Cold-Start
Journal of Informatics Education
Universitas Ivet
đ Abstract
Penelitian ini mengembangkan sistem rekomendasi multimodal berbasis Transformer yang mengintegrasikan teks deskripsi dan gambar produk untuk mengatasi masalah cold-start pada e-commerce. Fokus utama penelitian adalah menguji efektivitas sistem rekomendasi multimodal dengan evaluasi Top-K (Recall, NDCG, MRR) pada dua domain: Overall dan Cold-start. Hasil eksperimen menunjukkan bahwa model berbasis konten tunggal (text-only dan image-only) lebih stabil dalam menghadapi item cold-start dibandingkan model berbasis collaborative filtering (Implicit MF/ALS). Model multimodal yang menggabungkan teks dan gambar, serta sinyal kolaboratif, menunjukkan performa terbaik, terutama pada cold-start, dengan teknik fusi adaptif seperti Gated Fusion dan Cross-Attention yang memberikan hasil lebih baik dibandingkan dengan metode fusi sederhana seperti Concat+MLP. Hasil ablation study mengonfirmasi bahwa kontribusi multimodal berasal dari kombinasi teks, gambar, dan sinyal interaksi yang saling melengkapi, menjadikannya pendekatan yang lebih efektif daripada model berbasis popularitas atau unimodal. Penelitian ini berkontribusi pada pengembangan sistem rekomendasi e-commerce yang adaptif terhadap dinamisnya katalog produk dan kemunculan produk baru.
âšī¸ Informasi Publikasi
Tanggal Publikasi
29 June 2026
Volume / Nomor / Tahun
Volume 9, Nomor 1, Tahun 2026
đ HOW TO CITE
Rizaldy, Adhy; Darmatasia, Darmatasia; Rachmat, Rachmat; Hariani, Hariani; Asrul, Muh, " Sistem Rekomendasi Multimodal Pada E-Commerce Menggunakan Transformer Integrasi Teks Deskripsi Dan Gambar Produk Untuk Mengatasi Item Cold-Start," Journal of Informatics Education, vol. 9, no. 1, Jun. 2026.
ACM
ACS
APA
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
0
Sitasi
Cek Google Scholar