Sistem Rekomendasi Produk untuk Pelanggan Perusahaan Distribusi Menggunakan Metode Collaborative Filtering dan K-Means Clustering
Article Sidebar
Main Article Content
Abstract
PT Enseval merupakan perusahaan distribusi yang memiliki banyak jenis produk yang
ditawarkan. Banyaknya produk yang ditawarkan dapat membuat salesman Enseval kesulitan
untuk menawarkan produk yang cocok dan sesuai untuk pelanggan. Keterampilan salesman
untuk menawarkan produk ke pelanggan sangat mempengaruhi penjualan barang distribusi.
Maka dari itu, pada kesempatan ini akan dibangun sistem rekomendasi produk untuk pelanggan
PT Enseval menggunakan metode k-means dan collaborative filtering. Perancangan aplikasi
dibuat untuk memudahkan salesman dalam merekomendasikan produk ke pelanggan dan
membantu pelanggan dalam memilih produk . Data yang akan digunakan merupakan data
transaksi sales periode 2021 - 2022. Uji coba dengan metode collaborative filtering untuk
menentukan akurasi menggunakan mean absolute error (MAE) mendapatkan nilai 0,114678277
dan rekoemendasi dengan menggunakan gabungan metode k-means dan collaborative filtering
mendapatkan rata-rata MAE sebesar 0.158411487. Kedua hasil MAE memiliki akurasi yang
cukup baik karena semua hasil scenario memiliki keselahan (error) yang mendekati angka 0.
Berdasarkan hasil tersebut, dapat ditarik kesimpulan bahwa metode k-means kurang efektif
digabungkan dengan metode collaborative filtering dalam memberikan rekomendasi produk
dalam sistem aplikasi ini.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
Irwansyah, Edy, Clustering, https://socs.binus.ac.id/2017/03/09/clustering/, diakses tanggal 10 September 2022.
Lestari, Widhi., 2019, Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari), SIMKOM, Vol. 4, No. 2.
Haviluddin., 2021, Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir., Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer, Vol. 16, No. 1, hal. 13-18.
Wakhidah, Nur., 2010, Clustering menggunakan k-means algorithm, Jurnal Transformatika, Vol. 8, No. 1, hal. 33-39.
Nugroho, Fajar, dan Rahayu, Mina Ismu., 2020, SISTEM REKOMENDASI PRODUK UKM DI KOTA BANDUNG MENGGUNAKAN ALGORITMA COLLABORATIVE FILTERING, Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI), Vol. 2, No. 3, hal. 23-31.
Girsang, Abba., Sistem Rekomendasi Content Based, https://mti.binus.ac.id/2020/11/17/sistem-rekomendasi-content-based/, diakses tanggal 10 September 2022.
Prasetyo, Bondan., 2019, Implementasi Metode Item-Based Collaborative Filtering dalam Pemberian Rekomendasi Calon Pembeli Aksesoris Smartphone, Jurnal Eksplora Informatika, Vol. 9, No. 1 , hal. 17-27.
Sarwar, Badrul, Karypis George, Konstan, Joseph and Riedl, John., Item-Based Collaborative Filtering Recommendation Algorithms, https://dl.acm.org/doi/10.1145/371920.372071, diakses tanggal 10 September 2022.
Nasution, Darnisa Azzahra, Khotimah, Hidayah Husnul, dan Chamidah, Nurul., 2019, PERBANDINGAN NORMALISASI DATA UNTUK KLASIFIKASI WINE MENGGUNAKAN ALGORITMA K-NN, Journal of Computer Engineering System and Science, Vol. 4, No. 1, hal. 78–82.
Aziz, Arafa Rahman, Warsito, Budi, dan Prahutama, Alan., 2021, PENGARUH TRANSFORMASI DATA PADA METODE LEARNING VECTOR QUANTIZATION TERHADAP AKURASI KLASIFIKASI DIAGNOSIS PENYAKIT JANTUNG, Jurnal Gaussian, Vol. 10, No. 1, hal 21-30.
Pramesti, Dyang Falila, Furqon, Muhammad Tanzil, dan Dewi, Candra., 2017, Implementasi Metode K-Medoids Clustering Untuk Pengelompokkan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot), Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 1, No. 9, hal. 723-732.
Wijayanti, Ratna Ayu, Furqon, Muh Tanzil, and Adinugroho, Sigit., 2018, Penerapan Algoritme Support Vector Machine Terhadap Klasifikasi Tingkat Risiko Pasien Gagal Ginjal., Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 10, hal. 3500-3507.