Pesatnya perkembangan pengguna internet selama dekade terakhir menyebabkan peningkatan penggunaan e-commerce. Kesuksesan e-commerce dipengaruhi dengan adanya sistem pemberi rekomendasi. Collaborative Filtering (CF) adalah salah satu metode sistem pemberi rekomendasi yang paling sering digunakan. Namun dalam kasus riil, permasalahan sparsity sering terjadi. Hal ini umumnya disebabkan karena hanya sebagian kecil user yang memberikan rating terhadap item. Dalam penelitian ini, penelitian ini menggunakan pemanfaatan metode clustering dan dimension reduction pada Amazon Review Dataset untuk mengatasi masalah sparsity. Metode clustering dengan K-Means digunakan untuk mengelompokkan user berdasarkan preferensi item. Sedangkan, metode Singular Value Decomposition (SVD) digunakan sebagai metode dimension reduction. Hasil penelitian menunjukkan bahwa perpaduan SVD dan K-Means ini berhasil untuk memprediksi rating dengan nilai RMSE lebih kecil dari 2, peningkatan performa yang signifikan dibandingkan penelitian sebelumnya. Penggunaan SVD terbukti mampu mengatasi sparsity, dengan penurunan RMSE sebesar 9.372%.