ASPECT-BASED RECOMMENDATION MENGGUNAKAN METODE BERTOPIC DAN EXPLICIT FACTOR MODEL (EFM) PADA ULASAN PRODUK BATIK INDONESIA

Perkembangan platform e-commerce telah meningkatkan jumlah ulasan pengguna yang memuat informasi penting mengenai pengalaman dan preferensi konsumen terhadap produk. Ulasan tersebut menjadi sumber data tekstual yang kaya akan aspek spesifik produk, namun sistem rekomendasi konvensional masih bergantung pada rating numerik dan faktor laten sehingga belum mampu menangkap preferensi pengguna secara rinci serta belum memberikan penjelasan yang transparan. Permasalahan ini menunjukkan perlunya pendekatan rekomendasi yang mampu mengekstraksi aspek produk secara semantik dan memodelkan preferensi pengguna secara eksplisit. Penelitian ini bertujuan mengembangkan sistem aspect based recommendation dengan mengintegrasikan BERTopic dan Explicit Factor Model pada 1.158 ulasan produk batik Indonesia yang diperoleh dari platform e-commerce Shopee. BERTopic menghasilkan 3 topik aktif. Melalui proses mapping dan fallback berbasis keyword, diperoleh empat aspek final: Desain (493 ulasan), Kualitas (428 ulasan), Kenyamanan (12 ulasan), dan Ukuran (5 ulasan). Aspek-aspek tersebut kemudian dimanfaatkan dalam pemodelan Explicit Factor Model (EFM) untuk merepresentasikan preferensi pengguna dan kualitas produk pada tingkat aspek secara eksplisit. Evaluasi dilakukan menggunakan RMSE dan Precision K untuk mengukur akurasi prediksi dan relevansi rekomendasi yang dihasilkan menghasilkan RMSE 0,6581 dan Precision-3 sebesar 33,72%, menunjukkan akurasi prediksi yang cukup baik pada skala rating 1 sampai 5.