Record Detail Back
Analisis Segmentasi Penjualan Distributor Tekstil Menggunakan Algoritma Decision Tree Dan Feature Selection
- Share to:
Sistem pencarian repositori digital Informatika saat ini masih mengandalkan pencarian berbasis kata kunci (keyword-based search), yang sering kali gagal memahami makna semantik dan konteks pengguna. Sementara itu, pengguna membutuhkan sistem pencarian yang mampu memahami konteks secara semantik serta memberikan rekomendasi bacaan yang akurat dan otomatis. Penelitian ini bertujuan mengembangkan dan mengevaluasi model otomatisasi rekomendasi konten digital skripsi menggunakan algoritma Retrieval Augmented Generation (RAG) berbasis framework n8n. Metodologi yang digunakan adalah CRISP-DM dengan dataset 50 dokumen skripsi format PDF. Sistem mengintegrasikan model embedding Hugging Face Multilingual-E5-Large-Instruct, Pinecone sebagai vector database, dan Gemini 2.5 Flash sebagai LLM generator. Seluruh komponen diorkestrasikan secara otomatis melalui framework n8n. Evaluasi performa dilakukan menggunakan 3 skenario uji dengan kueri yang mencakup pencarian judul dan nama pembuat skripsi, pembuatan ringkasan, dan rekomendasi bacaan serupa. Hasil pengujian menunjukkan performa sistem yang sangat baik dengan rata-rata Cosine Similarity 0,9223, yang membuktikan kedekatan semantik antara kueri dan dokumen. Sistem mencetak nilai Recall sempurna sebesar 100% dan Precision rata-rata 84,22%, dengan rata-rata response time 21,50 detik. Berdasarkan hasil itu, model RAG terintegrasi dengan n8n terbukti efektif dalam melakukan pencarian semantik, menghasilkan ringkasan, serta memberikan rekomendasi bacaan akademik secara otomatis dan akurat
Selfandy Fajar Kautsara Rahutama - Personal Name
005 RAH A
NONE
Text
Indonesia
Universitas Langlangbuana
2026
Bandung
LOADING LIST...
LOADING LIST...
APA Citation
Selfandy Fajar Kautsara Rahutama. (2026).Analisis Segmentasi Penjualan Distributor Tekstil Menggunakan Algoritma Decision Tree Dan Feature Selection.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd