View/Open

Author
Mutiara, Ruci

Advisor
Ahmad, Luky Ramdani, S.Komp., M.Kom.
Rahman, Indra Kesuma, S.Kom., M.Cs.

Koleksi
Teknik Informatika

Publisher

Industri kecantikan saat ini mengalami peningkatan pertumbuhan dan daya jual. Kementerian Perindustrian Republik Indonesia dalam situs resminya menyatakan industri kosmetik mengalami peningkatan sebesar 20% pada tahun 2017. Berbagai macam produk kecantikan seperti makeup, skincare serta layanan kecantikan seperti spa dan makeup artist memberikan promosi dan layanan terbaik untuk dapat bersaing dalam menarik pelanggan. Beautystar.id merupakan platform layanan digital yang menyediakan layanan makeup artist dengan berbagai kategori makeup, harga, durasi pengerjaan, sertifikasi dan kepuasan pelayanan yang beragam. Pelanggan membutuhkan lebih banyak waktu untuk memutuskan pilihan layanan yang paling sesuai dengan kebutuhan, baik itu produk makeup yang digunakan, harga yang sesuai atau tingkat profesionalitas makeup artist itu sendiri. Sistem rekomendasi adalah suatu solusi dalam mengatasi masalah tersebut. Sistem rekomendasi menyarankan informasi yang berguna untuk memprediksi apa yang akan dilakukan pengguna untuk mencapai tujuannya, misalnya dalam memilih produk atau layanan tertentu, maka dalam penelitian ini dibangun sistem rekomendasi dengan pendekatan hybrid. Sistem rekomendasi dengan pendekatan hybrid pada penelitian ini menggabungkan keunggulan dari content based filtering dan collaborative filtering. Pada proses content-based filtering memanfaatkan pengklasifikasian teks dari deskripsi layanan menggunakan algoritma SVM untuk memprediksi rating layanan yang belum diberi rating, bertujuan untuk mengatasi masalah coldstart dan data sparsity pada collaborative filtering. Selain itu, penelitian ini melakukan eksperimen dengan melakukan pencarian hyperparameter untuk menghasilkan kinerja rekomendasi terbaik. Hasil dari penelitian ini menunjukkan kernel polynomial dengan degree = 4 dan C = 0.1 memiliki kinerja paling baik yang menghasilkan kemampuaan pemberian rekomendasi dengan akurasi sebesar 83%; presisi sebesar 59,5%; dan recall sebesar 53% pada pengguna baru. Sedangkan, pada kondisi layanan baru dan pengguna lama kernel polynomial dengan parameter degree = 5 dan C = 0.1 memiliki hasil terbaik yaitu, akurasi sebesar 79%; presisi sebesar 50%; dan recall sebesar 50% pada kondisi layanan baru. Sedangkan, pada kondisi pengguna lama menghasilkan akurasi sebesar 78%; presisi sebesar 77%; dan recall sebesar 78%. Kata Kunci: Sistem rekomendasi hybrid, makeup artist, SVM

URI
https://repo.itera.ac.id/depan/submission/SB2106050021

Keyword