Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition
Perkembangan teknologi informasi yang pesat, memberi dampak pada ketesedian informasi yang berlimpah. Hal ini menjadikan suatu masalah yang disebut kelebihan informasi, menyebabkan pengguna internet sulit memahami dan membuat keptusan. E-commerce merupakan salah satu yang terdampak dari kelebihan in...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Andalas
2024-05-01
|
| Series: | Jurnal Teknologi dan Sistem Informasi |
| Subjects: | |
| Online Access: | https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2650 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849322014068703232 |
|---|---|
| author | Ivan Zuhdiansyah Ardytha Luthfiarta |
| author_facet | Ivan Zuhdiansyah Ardytha Luthfiarta |
| author_sort | Ivan Zuhdiansyah |
| collection | DOAJ |
| description | Perkembangan teknologi informasi yang pesat, memberi dampak pada ketesedian informasi yang berlimpah. Hal ini menjadikan suatu masalah yang disebut kelebihan informasi, menyebabkan pengguna internet sulit memahami dan membuat keptusan. E-commerce merupakan salah satu yang terdampak dari kelebihan informasi, dengan banyaknya produk dan pengguna baik dari penjual maupun pembeli yang ada. Sistem rekomendasi adalah bagian penting dari e-commerce yang menjadi salah satu cara menangani kelebihan informasi, dengan memberikan rekomendasi produk kepada pembeli agar membantu menentukan pilihan. Dalam sistem rekomendasi memiliki permasalahan scalability, dimana banyaknya produk yang tersedia membuatnya menjadi tidak efektif dan efisien dalam memberikan rekomendasi kepada pembeli. Maka, penelitian ini mengusulkan metode sistem rekomendasi yang dikombinasikan teknik clustering. Menggunakan algoritma K-Means untuk mengelompokkan produk, kemudian algoritma Singular Value Decomposition (SVD) untuk membuat rekomendasi di dalam cluster yang terbentuk. Hasil keluaran model yaitu, rekomendasi produk dan prediksi rating yang diberikan pembeli dari produk yang direkomendasikan. Evaluasi model mendapatkan nilai dbi sebesar 0,703 untuk clustering, nilai rata-rata terbaik MAE 0.8150 dan RMSE 1.1781 untuk rekomendasi yang dihasilkan. Kesimpulan yang didapat bahwa metode ini dapat menangani masalah scalability dan memberikan rekomendasi yang akurat dengan nilai evaluasi yang lebih baik dibandingkan penelitian sebelumnya. |
| format | Article |
| id | doaj-art-323e2e5338894a08868619fa828d79c4 |
| institution | Kabale University |
| issn | 2460-3465 2476-8812 |
| language | Indonesian |
| publishDate | 2024-05-01 |
| publisher | Universitas Andalas |
| record_format | Article |
| series | Jurnal Teknologi dan Sistem Informasi |
| spelling | doaj-art-323e2e5338894a08868619fa828d79c42025-08-20T03:49:36ZindUniversitas AndalasJurnal Teknologi dan Sistem Informasi2460-34652476-88122024-05-0110110.25077/TEKNOSI.v10i1.2024.45-53239Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value DecompositionIvan Zuhdiansyah0Ardytha Luthfiarta1Universitas Dian NuswantoroUniversitas Dian NuswantoroPerkembangan teknologi informasi yang pesat, memberi dampak pada ketesedian informasi yang berlimpah. Hal ini menjadikan suatu masalah yang disebut kelebihan informasi, menyebabkan pengguna internet sulit memahami dan membuat keptusan. E-commerce merupakan salah satu yang terdampak dari kelebihan informasi, dengan banyaknya produk dan pengguna baik dari penjual maupun pembeli yang ada. Sistem rekomendasi adalah bagian penting dari e-commerce yang menjadi salah satu cara menangani kelebihan informasi, dengan memberikan rekomendasi produk kepada pembeli agar membantu menentukan pilihan. Dalam sistem rekomendasi memiliki permasalahan scalability, dimana banyaknya produk yang tersedia membuatnya menjadi tidak efektif dan efisien dalam memberikan rekomendasi kepada pembeli. Maka, penelitian ini mengusulkan metode sistem rekomendasi yang dikombinasikan teknik clustering. Menggunakan algoritma K-Means untuk mengelompokkan produk, kemudian algoritma Singular Value Decomposition (SVD) untuk membuat rekomendasi di dalam cluster yang terbentuk. Hasil keluaran model yaitu, rekomendasi produk dan prediksi rating yang diberikan pembeli dari produk yang direkomendasikan. Evaluasi model mendapatkan nilai dbi sebesar 0,703 untuk clustering, nilai rata-rata terbaik MAE 0.8150 dan RMSE 1.1781 untuk rekomendasi yang dihasilkan. Kesimpulan yang didapat bahwa metode ini dapat menangani masalah scalability dan memberikan rekomendasi yang akurat dengan nilai evaluasi yang lebih baik dibandingkan penelitian sebelumnya.https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2650Sistem RekomendasiCollaborative FilteringK-Means ClusteringSingular Value Decomposition (SVD) |
| spellingShingle | Ivan Zuhdiansyah Ardytha Luthfiarta Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition Jurnal Teknologi dan Sistem Informasi Sistem Rekomendasi Collaborative Filtering K-Means Clustering Singular Value Decomposition (SVD) |
| title | Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition |
| title_full | Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition |
| title_fullStr | Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition |
| title_full_unstemmed | Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition |
| title_short | Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition |
| title_sort | sistem rekomendasi pembelian smartphone berbasis algoritma k means dan singular value decomposition |
| topic | Sistem Rekomendasi Collaborative Filtering K-Means Clustering Singular Value Decomposition (SVD) |
| url | https://teknosi.fti.unand.ac.id/index.php/teknosi/article/view/2650 |
| work_keys_str_mv | AT ivanzuhdiansyah sistemrekomendasipembeliansmartphoneberbasisalgoritmakmeansdansingularvaluedecomposition AT ardythaluthfiarta sistemrekomendasipembeliansmartphoneberbasisalgoritmakmeansdansingularvaluedecomposition |