Sistem Rekomendasi Produk Aplikasi Marketplace Berdasarkan Karakteristik Pembeli Menggunakan Metode User Based Collaborative Filtering
DOI:
https://doi.org/10.34148/teknika.v11i3.538Keywords:
User Based Collaborative Filtering, Sistem Rekomendasi Produk, Marketplace, Karakteristik PembeliAbstract
Sistem rekomendasi produk merupakan sebuah sistem yang dapat memberikan prediksi produk yang relevan terhadap perilaku atau karakteristik user, sehingga dapat mempengaruhi user dalam mengambil keputusan untuk membeli suatu produk. Penelitian ini dilakukan untuk dapat memberikan rekomendasi kepada pembeli pada aplikasi marketplace Sindomall dengan menggunakan metode User Based Collaborative Filtering dikolaborasikan dengan algoritma Improved Triangle Similarity Complemented with User Rating Preferences (ITR) untuk menghitung nilai similarity antar pembeli dan algoritma Weighted Sum untuk menghitung nilai prediksi produk. Karakteristik pembeli diambil dari data perilaku pembeli dalam memberikan rating pada produk. Dalam pengujian model yang dilakukan dengan menggunakan data nilai prediksi pada 20 user acak pada database aplikasi Sindomall pada bulan Desember 2021 didapatkan model optimal dengan nilai parameter presentase user sebesar 100%. Hasil dari pengujian error sistem menggunakan model terpilih mendapatkan nilai MAE dan RMSE masing-masing sebesar 0,006 dan 0,013, sedangkan pada tahap pengujian akurasi sistem didapatkan nilai akurasi sebesar 0,849, nilai presisi sebesar 0,923, nilai recall sebesar 0,869, dan nilai F-score (F1) sebesar 0,895.
Downloads
References
Kotler and Keller, “Marketing Management,” Soldering & Surface Mount Technology, vol. 13, no. 3, 2012.
P. Huang, N. H. Lurie, and S. Mitra, “Searching for Experience on The Web: An Empirical Examination of Consumer Behavior for Search and Experience Goods,” Journal of Marketing, vol. 73, no. 2, pp. 55—69, 2009.
C. S. Prasetya, “Sistem Rekomendasi Pada E-commerce Menggunakan K-nearest Neighbor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 3, p. 194, 2017.
A. A. Fakhri, Z. K. Baizal, and E. B. Setiawan, “Restaurant Recommender System Using User-based Collaborative Filtering Approach: A Case Study at Bandung Raya Region,” Journal of Physics: Conference Series, vol. 1192, p. 012023, 2019.
B. Ujkani, D. Minkovska, and L. Stoyanova, “A Recommender System for WordPress Themes Using Item-based Collaborative Filtering Technique,” 2020 XXIX International Scientific Conference Electronics (ET), 2020.
Y. Arif, H. Nurhayati, F. Kurniawan, S. Nugroho, and M. hariadi, “Blockchain-based Data Sharing for Decentralized Tourism Destinations Recommendation System,” International Journal of Intelligent Engineering and Systems, vol. 13, no. 6, pp. 472—486, 2020.
A. Iftikhar, M. A. Ghazanfar, M. Ayub, Z. Mehmood, and M. Maqsood, “An Improved Product Recommendation Method for Collaborative Filtering,” IEEE Access, vol. 8, pp. 123841—123857, 2020.
D. Handoko, Mesran , S. D. Nasution , Yuhandri , and H. Nurdiyanto, “Application of Weight Sum Model (WSM) in Determining Special Allocation Funds Recipients,” The IJICS (International Journal of Informatics and Computer Science), vol. 1, no. 2, pp. 31—35, 2017.
F. Fkih, “Similarity Measures for Collaborative Filtering-Based Recommender Systems: Review and Experimental Comparison,” Journal of King Saud University - Computer and Information Sciences, vol. 34, no. 9, pp. 7645—7669, 2022.
A. A. Firmansyah, “Pengembangan Pencarian Produk Terkait Menggunakan Euclidean Distance dan Cosine Similarity Pada Aplikasi Halal Nutrition Food,” Thesis, Institut Teknologi Sepuluh Nopember, Surabaya, 2018.
A. Faizin and I. Surjandari, “Product Recommender System Using Neural Collaborative Filtering for Marketplace in Indonesia,” IOP Conference Series: Materials Science and Engineering, vol. 909, no. 1, p. 012072, 2020.
T. Silveira, M. Zhang, X. Lin, Y. Liu, and S. Ma, “How Good Your Recommender System Is? A Survey On Evaluations in Recommendation,” International Journal of Machine Learning and Cybernetics, vol. 10, no. 5, pp. 813—831, 2017.
N. Polatidis and C. K. Georgiadis, “A Dynamic Multi-Level Collaborative Filtering Method for Improved Recommendations,” Computer Standards & Interfaces, vol. 51, pp. 14—21, 2017.
