Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition
DOI:
https://doi.org/10.25077/TEKNOSI.v10i1.2024.45-53Kata Kunci:
Sistem Rekomendasi, Collaborative Filtering, K-Means Clustering, Singular Value Decomposition (SVD)Abstrak
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.Referensi
[1] D. Bawden and L. Robinson, Information Overload: An Introduction. 2020. [2] B. A. Al-Youzbaky and R. D. Hanna, “The Effect of Information Overload, and Social Media Fatigue on Online Consumers Purchasing Decisions: The Mediating Role of Technostress and Information Anxiety,†J. Syst. Manag. Sci., vol. 12, no. 2, pp. 201–226, 2022, doi: 10.33168/JSMS.2022.0209. [3] P. M. Alamdari, N. J. Navimipour, M. Hosseinzadeh, A. A. Safaei, and A. Darwesh, “A Systematic Study on the Recommender Systems in the E-Commerce,†IEEE Access, vol. 8, pp. 115694–115716, 2020, doi: 10.1109/ACCESS.2020.3002803. [4] F. Alyari and N. Jafari Navimipour, “Recommender systems: A systematic review of the state of the art literature and suggestions for future research,†Kybernetes, vol. 47, no. 5, pp. 985–1017, 2018, doi: 10.1108/K-06-2017-0196. [5] D. Roy and M. Dutta, “A systematic review and research perspective on recommender systems,†J. Big Data, vol. 9, no. 1, 2022, doi: 10.1186/s40537-022-00592-5. [6] F. A. Prayoga and K. Kusnawi, “Smartphone Recommendation System Using Model-Based Collaborative Filtering Method,†J. Tek. Inform., vol. 3, no. 6, pp. 1613–1622, 2022, doi: 10.20884/1.jutif.2022.3.6.413. [7] E. Ahmed and A. Letta, “Book Recommendation Using Collaborative Filtering Algorithm,†Appl. Comput. Intell. Soft Comput., vol. 2023, 2023, doi: 10.1155/2023/1514801. [8] D. D. A. Yani, H. S. Pratiwi, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,†J. Sist. dan Teknol. Inf., vol. 7, no. 4, p. 257, 2019, doi: 10.26418/justin.v7i4.30930. [9] K. Maharana, S. Mondal, and B. Nemade, “A review: Data pre-processing and data augmentation techniques,†Glob. Transitions Proc., vol. 3, no. 1, pp. 91–99, 2022, doi: 10.1016/j.gltp.2022.04.020. [10] S. Garcia, J. Luengo, and F. Herrera, Data Preprocessing in Data Mining. Intelligent Systems Reference Library. 2015, vol. 10. 2015. [11] M. Johari and A. Laksito, “The Hybrid Recommender System of the Indonesian Online Market Products using IMDb weight rating and TF-IDF,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 5, pp. 977–983, 2021, doi: 10.29207/resti.v5i5.3486. [12] S. Ray, “Introduction to Machine Learning and Different types of Machine Learning Algorithms,†Proc. Int. Conf. Mach. Learn. Big Data, Cloud Parallel Comput. Trends, Prespectives Prospect. Com. 2019, pp. 35–39, 2019. [13] F. Indriyani and E. Irfiani, “Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means,†JUITA J. Inform., vol. 7, no. 2, p. 109, 2019, doi: 10.30595/juita.v7i2.5529. [14] F. Anowar, S. Sadaoui, and B. Selim, “Conceptual and empirical comparison of dimensionality reduction,†Comput. Sci. Rev., vol. 40, p. 100378, 2021, doi: 10.1016/j.cosrev.2021.100378. [15] S. Ramadhani, D. Azzahra, and T. Z, “Comparison of K-Means and K-Medoids Algorithms in Text Mining based on Davies Bouldin Index Testing for Classification of Student’s Thesis,†Digit. Zo. J. Teknol. Inf. dan Komun., vol. 13, no. 1, pp. 24–33, 2022, doi: 10.31849/digitalzone.v13i1.9292. [16] H. Santoso, H. Magdalena, and H. Wardhana, “Aplikasi Dynamic Cluster pada K-Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan,†MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 541–554, 2022, doi: 10.30812/matrik.v21i3.1720. [17] W. Fu, J. Liu, and Y. Lai, “Collaborative filtering recommendation algorithm towards intelligent community,†Discret. Contin. Dyn. Syst. - Ser. S, vol. 12, no. 4–5, pp. 811–822, 2019, doi: 10.3934/dcdss.2019054. [18] S. G. K. Patro et al., “A Hybrid Action-Related K-Nearest Neighbour (HAR-KNN) Approach for Recommendation Systems,†IEEE Access, vol. 8, pp. 90978–90991, 2020, doi: 10.1109/ACCESS.2020.2994056. [19] A. J. Onumanyi, D. N. Molokomme, S. J. Isaac, and A. M. Abu-Mahfouz,"AutoElbow: An Automatic Elbow Detection Method for Estimating the Number of Clusters in a Dataset,†Appl. Sci. 2022, Vol. 12, Page 7515, vol. 12, no. 15, p. 7515, Jul. 2022, doi: 10.3390/APP12157515. [20] M. Wang and F. Hu, “The application of nltk library for python natural language processing in corpus research,†Theory Pract. Lang. Stud., vol. 11, no. 9, pp. 1041–1049, 2021, doi: 10.17507/tpls.1109.09. [21] J. Hao and T. K. Ho, “Machine Learning Made Easy: A Review of Scikit-learn Package in Python Programming Language,†J. Educ. Behav. Stat., vol. 44, no. 3, pp. 348–361, 2019, doi: 10.3102/1076998619832248. [22] N. Hug, “Surprise: A Python library for recommender systems,†J. Open Source Softw., vol. 5, no. 52, p. 2174, 2020, doi: 10.21105/joss.02174. [23] A. A. Patoulia, A. Kiourtis, A. Mavrogiorgou, and D. Kyriazis, “A Comparative Study of Collaborative Filtering in Product Recommendation,†Emerg. Sci. J., vol. 7, no. 1, pp. 1–15, 2023, doi: 10.28991/ESJ-2023-07-01-01.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.