Teknik Bagging pada Ensemble Learning untuk Kategorisasi Produk E-Commerce

Abstract

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%.