Sistem Rekomendasi Produk Menggunakan Metode User-Based Collaborative Filtering Pada Digital Marketing

##plugins.themes.bootstrap3.article.sidebar##

Artikel
Diterbitkan Jul 13, 2023
DOI : https://doi.org/10.32664/j-intech.v11i1.866
  • Halaman : 158 - 166
  • Abstract views : 464
  • PDF views : 1267

##plugins.themes.bootstrap3.article.main##

Satia Suhada
Program Studi Sistem Informasi, Universitas Bina Sarana Informatika, Sukabumi, Indonesia
Saeful Bahri
Program Studi Ilmu Komputer, Universitas Bina Sarana Informatika, Sukabumi, Indonesia
Setyo Bagus Nugraha
Program Studi Ilmu Komputer, Universitas Bina Sarana Informatika, Sukabumi, Indonesia
Taufik Hidayatulloh
Program Studi Sistem Informasi, Universitas Bina Sarana Informatika, Sukabumi, Indonesia
Dede Wintana
Universitas Bina Sarana Informatika

Abstrak

Sistem rekomendasi telah diterapkan dalam digital marketing yang digunakan dalam pemasaran produk dan jasa. Sistem rekomendasi digunakan untuk memberikan penawaran barang maupun jasa sesuai dengan kebiasaan dan minat pelanggan terhadap produk dan jasa yang diusulkan, namun pada prakteknya penawaran produk yang tepat untuk pelanggan mengarah pada ide mengembangkan sistem rekomendasi produk. Data pembelian yang didapat dari pelanggan dapat digunakan untuk menganalisis kebutuhan pelanggan dan preferensi produk. Pada sistem rekomendasi, Collaborative Filtering merupakan salah satu algoritma yang paling umum digunakan. Tujuan dari penelitian ini adalah untuk mengetahui seberapa akurat sistem rekomendasi berdasarkan pembelian barang yang serupa antar konsumen menggunakan User-based Collaborative Filtering. Berdasarkan hasil penelitian, User-based Collaborative Filtering menggunakan perhitungan Cosine Similarity dapat diterapkan dan menghasilkan 10 rekomendasi produk dengan nilai RMSE sebesar 0.9.

##plugins.themes.bootstrap3.article.details##

Terbitan
Vol 11 No 1 (2023): J-Intech : Journal of Information and Technology
Bagian
Articles
##submission.copyrightStatement##
Referensi
Alhijawi, B., & Kilani, Y. (2020). A collaborative filtering recommender system using genetic algorithm. Information Processing and Management, 57(6). https://doi.org/10.1016/j.ipm.2020.102310
Badan Pusat Statistik. (n.d.). Statistik E-Commerce.
Bagaskara, R., Khairunnisa Rizkita, A., Fernandes, R., Yulita, W., Studi, P., Informatika, T., Produksi, J. T., Industri, D., Sumatera, T., Ryacudu, J. T., Huwi, W., Agung, K. J., Kabupaten, L., & Selatan, L. (2022). Pendeteksian Jumlah Bangunan Berbasis Citra Menggunakan Metode Deep Learning. Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 94–100.
Feng, J., Xia, Z., Feng, X., & Peng, J. (2021). RBPR: A hybrid model for the new user cold start problem in recommender systems. Knowledge-Based Systems, 214. https://doi.org/10.1016/j.knosys.2020.106732
Khusna, A. N., Delasano, K. P., & Saputra, D. C. E. (2021). Penerapan User-Based Collaborative Filtering Algorithm. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(2), 293–304. https://doi.org/10.30812/matrik.v20i2.1124
Putra, R. P., Subari, S., & Aminah, S. (2022). Aplikasi Pendukung Keputusan Perbaikan Serta Penyedia Jasa Service Komputer Dan Laptop Menggunakan Metode Naïve Bayes. J-Intech, 9(02), 79–90. https://doi.org/10.32664/j-intech.v9i02.636
Rahmadi, T. (2020). The Power Of Digital Marketing.
Sutawinaya, I. P., Astawa, I. N. G. A., & Hariyanti, N. K. D. (2017). Perbandingan Metode Jaringan Saraf Tiruan Pada Peramalan Curah Hujan. Prosiding SNSebatik 2017.
Wahyuni Windasari, T. Z. (2021). Pemetaan dan Analisis Faktor yang Mempengaruhi Persentase Usaha E-Commerce di Indonesia. Akuntasi, Ekonomi Dan Manajemen Bisnis, 9(2), 130–135.