Sistem Rekomendasi Menggunakan Metode K-Means dan Collaborative Filtering pada Transaksi Penjualan Online
Data transaksi jual beli yang semakin banyak dapat digunakan untuk menganalisis strategi penjualan online yang kompetitif. Penelitian ini bertujuan menganalisis data transaksi penjualan online untuk menentukan produk parfum paling diminati di toko Melliflous Official menggunakan metode clustering k-means dan collaborative filtering. Data dikelompokkan berdasarkan quantity dan price yang telah dinormalisasi menghasilkan cluster optimal pada K= 7 dengan indeks silhouette sebesar 0.8573 yang menunjukkan kualitas pengelompokan yang baik. Sistem rekomendasi menggunakan collaborative filtering item based menghasilkan MAE sebesar 0.0118 dan RMSE 0.0234. Optimalisasi item based menghasilkan indeks silhouette sebesar 0.8583 dengan K optimal 2 yang menunjukkan kualitas pengelompokan yang sangat baik, sementara evaluasi MAE item based memberikan nilai 0.0112 dan RMSE 0.0227.Sistem rekomendasi collaborative filtering dengan user based menghasilkan MAE 0.0014 dan RMSE 0.0186. Sedangkan Optimalisasi metode menghasilkan Silhouette score optimal K=3 sebesar 0.9165, MAE 0.0014, dan RMSE 0.0186. Penelitian ini menyimpulkan bahwa kombinasi metode memberikan pengaruh positif terhadap peningkatan kualitas rekomendasi produk yang dapat membantu toko dalam menyediakan produk yang lebih relevan bagi pelanggan.
URI
https://repo.itera.ac.id/depan/submission/SB2412080009
Keyword
Collaborative Filtering Metode K-Means Clustering Penjualan online Sistem Rekomendasi