SKRIPSI DIGITAL
Rancang Bangun Sistem Rekomendasi Multimodal E-Commerce Menggunakan Pendekatan Multi-Stage Hybrid Retrieval = Design and Development of a Multimodal E-Commerce Recommendation System Using a Multi-Stage Hybrid Retrieval Approach
Moh Iqbal Bagus Prasetyo Hutomo, Selvi Al-Makaari Safitri “Rancang Bangun Sistem
Rekomendasi Multimodal E-Commerce Menggunakan Pendekatan Multi-Stage Hybrid Retrieval”,
Skripsi S.Tr Teknologi Rekayasa Komputer Jurusan Teknik Elektro Politeknik Negeri Semarang,
dibawah bimbingan Dr. Ir. Kurnianingsih, ST, MT dan Suko Tyas Pernanda, S.ST., M.Cs.,
Agustus 2026
Pertumbuhan katalog pada platform e-commerce dapat menimbulkan information overload yang
menyulitkan pengguna menemukan produk sesuai kebutuhan dan preferensinya. Penelitian ini
bertujuan merancang dan membangun VisionMart, yaitu platform e-commerce yang dengan sistem
rekomendasi multimodal berbasis Multi-Stage Hybrid Retrieval. Sistem dikembangkan
menggunakan metode Waterfall dengan data produk yang diperoleh dari Tokopedia melalui web
scraping. Representasi produk dibentuk menggunakan SigLIP2-large-Patch16-256 dengan
menggabungkan informasi teks dan gambar menjadi embedding berdimensi 1.024. Konfigurasi
akhir menerapkan bobot fusi 0,6 untuk teks dan 0,4 untuk gambar, kemudian dinormalisasi
menggunakan norma L2. Pada Stage 1, kandidat produk diperoleh melalui pencarian berbasis cosine
distance menggunakan PostgreSQL pgvector. Pada Stage 2, kandidat diperingkat ulang
menggunakan LightGBM LambdaRank. Konfigurasi fusi terpilih memperoleh Recall@100 sebesar
0,9061 dan HitRate@100 sebesar 0,9255 pada data validasi. Pada evaluasi temporal Home Feed,
LightGBM menghasilkan Recall@20 sebesar 0,9546 dan NDCG@20 sebesar 0,8291, dengan latensi
prediksi 0,469 ms untuk 100 kandidat. Pada rekomendasi Produk Serupa, LightGBM meningkatkan
NDCG dibandingkan retrieval-only pada K=10 dan K=20. Seluruh fungsi yang diuji berjalan sesuai
rancangan, sedangkan UAT terhadap 28 responden menghasilkan tingkat kepuasan sebesar 88,3%.
Hasil penelitian menunjukkan bahwa integrasi embedding multimodal, candidate retrieval, dan
reranking mampu menghasilkan rekomendasi yang relevan dan efisien dalam protokol evaluasi
offline yang digunakan.
Kata kunci: Sistem rekomendasi multimodal, Multi-Stage Hybrid Retrieval, SigLIP2, LightGBM,
e-commerce
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah