SISTEM REKOMENDASI PENYEWAAN PERLENGKAPAN PESTA MENGGUNAKAN COLLABORATIVE FILTERING DAN PENGGALIAN ATURAN ASOSIASI

Gita Indah Marthasari, Yufis Azhar, Dwi Kurnia Puspitaningrum

Abstract


ABSTRAK
E-commerce berbasis web merupakan salah satu media yang efektif dalam jual beli. Banyak usaha yang telah memanfaatkan fasilitas ini. Salah satunya adalah bidang jasa persewaan alat-alat pesta. Untuk memberikan layanan yang lebih baik, e-commerce dilengkapi dengan fitur lain antara lain sistem rekomendasi. Sistem ini memudahkan konsumen menentukan barang untuk dibeli dengan cara menampilkan produk yang terkait dengan salah satu produk lain yang dibeli atau dilihat konsumen. Salah satu mekanisme untuk membangun sistem ini adalah collaborative filtering. Cara kerja collaborative filtering adalah dengan membangun sebuah basis data yang menyimpan produk-produk yang disukai konsumen. Transaksi baru yang dibuat oleh seorang konsumen akan dicocokkan dengan basis data tersebut untuk mengetahui data historis mana yang paling sesuai dengan data baru tersebut. Data historis yang paling sesuai akan ditampilkan sebagai rekomendasi bagi konsumen yang melakukan transaksi tersebut.Salah satu teknik yang dapat digunakan adalah penggalian aturan asosiasi menggunakan Algoritma Apriori. Pada penelitian ini, dibuat sebuah website persewaan alat-alat pesta dengan menerapkan sistem rekomendasi. Sistem rekomendasi dibangun menggunakan aturan-aturan yang dihasilkan oleh Algoritma Apriori. Untuk dapat menampilkan barang rekomendasi digunakan nilai support 20, sedangkan nilai confidence digunakan untuk menentukan N-teratas barang untuk direkomendasikan.

Kata kunci : sistem rekomendasi, collaborative filtering, algoritma apriori.

 

ABSTRACT


Web-based e-commerce is an effective media for buying and selling. Many businesses have taken the advantages of this facility. One of them is the party tools rental services. To provide better service, e-commerce is equipped with other features such as a recommendation mechanism. This
mechanism allows consumers specify the goods to be purchased by displaying products that are related to another purchased product or customer visits. One mechanism for establishing this system is collaborative filtering. Collaborative filtering works by building a database that stores the products which are preferred by consumers. New transactions made by a consumer will be matched with the database to find out which data are related the most. The most appropriate historical data to be displayed as a recommendation for consumers who conduct such transactions. One technique that can be used is extracting association rules using Apriori Algorithm. In this study, a website of party tools rental service is created to implement the recommendation system. A recommendation system built using rules generated by Apriori Algorithm. To be able to display items used on the value of the support 20, while the confidence value is used to determine the N-top items to be recommended.


Keywords: recommender system, collaborative filtering, apriori algorithm.


References


B.T. Wahyu, and A.W. Anggriawan, “Sistem Rekomendasi Paket Wisata Se-Malang Raya menggunakan Metode Hybrid-Content Based dan Collaborative”. Jurnal Ilmiah Teknologi dan Informasi ASIA, vol. 9, no. 1, pp. 6-13, Februari 2015.

J. Fadlil, and W.F. Mahmudy, “Pembuatan Sistem Rekomendasi menggunakan Decision Tree dan Clustering”. Kursor, vol. 3, no. 1, pp. 45-54, 2007.

B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, ”Analysis of recommendation algorithms for ecommerce”. In Proceedings of the 2nd ACM conference on Electronic commerce , pp. 158-167, 2000.

Y. H. Cho, J. K. Kim, and S. H. Kim, “A personalized recommender system based on web usage mining and decision tree induction”. Expert systems with Applications, vol. 23(3), pp. 329-342, 2002.

J.J. Sandvig, B. Mobasher, and R. Burke, “Robustness of Collaborative Recommendation Based on Association Rule Mining”. Proceeding of the 2007 ACM Conference on Recommender System , pp. 105-112, Oktober 2007.

G. Gunadi, and D.I. Sensuse, “Penerapan Metode Data Mining Market Basket Analysis terhadap Data Penjualan Produk Buku dengan menggunakan Algoritma Apriori dan Frequent Pattern Growth (FPGrowth) : Studi Kasus Percetakan PT Gramedia”. Jurnal Telematika MKOM, vol. 4, no. 1, Maret 2012.

P.N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Addison Wesley, 2006.

P. Tanna, and Y. Ghodasara, “Using Apriori with WEKA for Frequent Pattern Mining”. International Journal of Engineering Trends and Technology, vol. 12, no. 3, June 2014.

J.K. Jain, N. Tiwari, M. Ramaiya, “A survey : On association rule mining”. International Journal of Engineering Research and Applications, vol. 3, no. 1, pp. 2065-2069, January-February 2013.


Refbacks

  • There are currently no refbacks.