Teknik Bagging pada Ensemble Learning untuk Kategorisasi Produk E-Commerce
DOI:
https://doi.org/10.25077/TEKNOSI.v10i1.2024.92-99Keywords:
Kategorisasi produk, e-commerce, bagging, ensemble learningAbstract
E-commerce merupakan layanan dalam jual beli yang dijalankan secara online melalui media elektronik seperti komputer dan handphone. Adanya perkembangan teknologi informasi yang lebih canggih menjadi pendorong utama dalam meningkatkan kerja e-commerce. Peningkatan yang sering dilakukan adalah menyediakan layanan sebaik – baiknya dan semudah mungkin untuk pelanggan. Banyaknya produk e-commerce yang ditawarkan ke pelanggan menjadi isu utama dalam layanan e-commerce. Tidak sedikit pelanggan yang bingung dalam menentukan pilihan produk. Bahkan beberapa penelitian menyatakan pelanggan yang awam tentang penggunaan e-commerce bingung dalam pemilihan produk. Ada deskripsi atau ulasan produk yang berbeda terhadap produk yang sama. Penelitian ini mengusulkan kategorisasi produk pada layanan e-commerce dengan tujuan menempatkan deskripsi produk sesuai dengan kategori yang telah ditentukan. Teknik bagging adalah Teknik ensemble learning yang mampu membuat beberapa sub pohon keputusan yang nantinya dapat dicari nilai akurasi yang terbaik. Pada hasil pengujian diperoleh bahwa pada pengaturan hyperparameter n_estimators 200 menghasilkan nilai akurasi terbaik dengan nilai 93,25%., precision 93%, recall 93% dan f1-score 93%.References
[1] H. Al Mashalah, E. Hassini, A. Gunasekaran, and D. Bhatt (Mishra), “The impact of digital transformation on supply chains through e-commerce: Literature review and a conceptual framework,†Transp Res E Logist Transp Rev, vol. 165, p. 102837, Sep. 2022, doi: 10.1016/j.tre.2022.102837. [2] R. E. Bawack, S. F. Wamba, K. D. A. Carillo, and S. Akter, “Artificial intelligence in E-Commerce: a bibliometric study and literature review,†Electronic Markets, vol. 32, no. 1, pp. 297–338, Mar. 2022, doi: 10.1007/s12525-022-00537-z. [3] M. Oase Ansharullah, W. Agustin, L. Lusiana, J. Junadhi, S. Erlinda, and F. Zoromi, “Product Classification Based on Categories and Customer Interests on the Shopee Marketplace Using the Naïve Bayes Method,†JAIA-Journal Of Artificial Intelligence And Applications, vol. 2, no. 2, pp. 15–22, 2022. [4] L. Donati, E. Iotti, G. Mordonini, and A. Prati, “Fashion Product Classification through Deep Learning and Computer Vision,†Applied Sciences, vol. 9, no. 7, p. 1385, Apr. 2019, doi: 10.3390/app9071385. [5] S. Suci Indasari and A. Tjahyanto, “Automatic Categorization of Multi Marketplace FMCGs Products using TF-IDF and PCA Features,†Jurnal SISFOKOM ( Sistem Informasi dan Komputer ), vol. 12, pp. 198–204, 2023. [6] P. Ristoski, P. Petrovski, P. Mika, and H. Paulheim, “A machine learning approach for product matching and categorization,†Semant Web, vol. 9, no. 5, pp. 707–728, Aug. 2018, doi: 10.3233/SW-180300. [7] L. Tan, M. Y. Li, and S. Kok, “E-Commerce Product Categorization via Machine Translation,†in ACM Transactions on Management Information Systems, Association for Computing Machinery, Aug. 2020. doi: 10.1145/3382189. [8] S. Jain and V. Kumar, “Garment categorization using data mining techniques,†Symmetry (Basel), vol. 12, no. 6, Jun. 2020, doi: 10.3390/SYM12060984. [9] H. Kim, G. Joo, and H. Im, “Product Category Classification using Word Embedding and GRUs,†The Journal of Korean Institute of Information Technology, vol. 19, no. 4, pp. 11–18, Apr. 2021, doi: 10.14801/jkiit.2021.19.4.11. [10] H. Jahanshahi et al., “Text Classification for Predicting Multi-level Product Categories,†Sep. 2021. [11] R. Bruni and G. Bianchi, “Website categorization: A formal approach and robustness analysis in the case of e-commerce detection,†Expert Syst Appl, vol. 142, p. 113001, Mar. 2020, doi: 10.1016/j.eswa.2019.113001. [12] V. Gomero-Fanny, A. Ruiz Bengy, and L. Andrade-Arenas, “Prototype of Web System for Organizations Dedicated to e-Commerce under the SCRUM Methodology,†2021. [Online]. Available: www.ijacsa.thesai.org [13] D. M. Alghazzawi, A. G. A. Alquraishee, S. K. Badri, and S. H. Hasan, “ERF-XGB: Ensemble Random Forest-Based XG Boost for Accurate Prediction and Classification of E-Commerce Product Review,†Sustainability (Switzerland), vol. 15, no. 9, May 2023, doi: 10.3390/su15097076. [14] P. Kalaivani, “Machine Learning Approach to Analyse Ensemble Models and Neural Network Model for E-Commerce Application,†Indian J Sci Technol, vol. 13, no. 28, pp. 2849–2857, Jul. 2020, doi: 10.17485/IJST/v13i28.927. [15] M. Pawłowski, “Machine Learning Based Product Classification for eCommerce,†Journal of Computer Information Systems, vol. 62, no. 4, pp. 730–739, 2022, doi: 10.1080/08874417.2021.1910880. [16] K. POTHUGANTI, “Open-World Classification Algorithm to Product Identification,†SSRN Electronic Journal, 2019, doi: 10.2139/ssrn.3719055. [17] B. Sun, H. Chen, J. Wang, and H. Xie, “Evolutionary under-sampling based bagging ensemble method for imbalanced data classification,†Front Comput Sci, vol. 12, no. 2, pp. 331–350, Apr. 2018, doi: 10.1007/s11704-016-5306-z. [18] X. Dong, Z. Yu, W. Cao, Y. Shi, and Q. Ma, “A survey on ensemble learning,†Front Comput Sci, vol. 14, no. 2, pp. 241–258, Apr. 2020, doi: 10.1007/s11704-019-8208-z. [19] Q.-F. Li and Z.-M. Song, “High-performance concrete strength prediction based on ensemble learning,†Constr Build Mater, vol. 324, p. 126694, Mar. 2022, doi: 10.1016/j.conbuildmat.2022.126694. [20] Y. Liu, “High-Performance Concrete Strength Prediction Based on Machine Learning,†Comput Intell Neurosci, vol. 2022, pp. 1–7, May 2022, doi: 10.1155/2022/5802217. [21] G. Ngo, R. Beard, and R. Chandra, “Evolutionary bagging for ensemble learning,†Neurocomputing, vol. 510, pp. 1–14, Oct. 2022, doi: 10.1016/j.neucom.2022.08.055. [22] Q.-F. Li and Z.-M. Song, “High-performance concrete strength prediction based on ensemble learning,†Constr Build Mater, vol. 324, p. 126694, Mar. 2022, doi: 10.1016/j.conbuildmat.2022.126694. [23] B. Sun, H. Chen, J. Wang, and H. Xie, “Evolutionary under-sampling based bagging ensemble method for imbalanced data classification,†Front Comput Sci, vol. 12, no. 2, pp. 331–350, Apr. 2018, doi: 10.1007/s11704-016-5306-z. [24] P. D. Caie, N. Dimitriou, and O. Arandjelović, “Precision medicine in digital pathology via image analysis and machine learning,†in Artificial Intelligence and Deep Learning in Pathology, Elsevier, 2021, pp. 149–173. doi: 10.1016/B978-0-323-67538-3.00008-7. [25] S. Hong and H. S. Lynn, “Accuracy of random-forest-based imputation of missing data in the presence of non-normality, non-linearity, and interaction,†BMC Med Res Methodol, vol. 20, no. 1, p. 199, Dec. 2020, doi: 10.1186/s12874-020-01080-1. [26] S. Amien, P. Perdana, T. Bharata Aji, and R. Ferdiana, “Aspect CategoryClassification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia (Aspect Category Classification with Machine Learning Approach Using Indonesian Language Dataset),†2021. [27] S. Jain and V. Kumar, “Garment categorization using data mining techniques,†Symmetry (Basel), vol. 12, no. 6, Jun. 2020, doi: 10.3390/SYM12060984. [28] M. Oase Ansharullah, W. Agustin, L. Lusiana, J. Junadhi, S. Erlinda, and F. Zoromi, “Product Classification Based on Categories and Customer Interests on the Shopee Marketplace Using the Naïve Bayes Method,†JAIA-Journal Of Artificial Intelligence And Applications, vol. 2, no. 2, pp. 15–22, 2022.
Downloads
Submitted
Accepted
Published
How to Cite
Issue
Section
License
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 