Model Rekomendasi Tanaman Herbal Berbasis Heterogenous Knowledge Graph Menggunakan GraphSAGE

Abstract

Tanaman herbal merupakan salah satu alternatif pengobatan yang banyak dimanfaatkan masyarakat Indonesia. Namun, banyaknya jenis tanaman herbal dan kompleksitas hubungan antar informasi menyebabkan proses pemilihan tanaman herbal yang sesuai menjadi sulit. Penelitian ini bertujuan membangun sistem rekomendasi tanaman herbal berbasis knowledge graph heterogen menggunakan metode Heterogeneous GraphSAGE dengan inisialisasi embedding MetaNode2Vec-like. Evaluasi dilakukan menggunakan metrik AUC, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa konfigurasi GraphSAGE dua layer dengan MetaNode2Vec-like menghasilkan performa terbaik dengan nilai AUC sebesar 0,7881, precision sebesar 0,8933, recall sebesar 0,2537, dan F1-score sebesar 0,3947. Hasil tersebut menunjukkan bahwa MetaNode2Vec-like mampu meningkatkan kualitas representasi node sehingga menghasilkan rekomendasi tanaman herbal yang lebih baik dibandingkan random initialization.