Aplikasi Hybrid Filtering Dan Naïve Bayes Untuk Sistem Rekomendasi Pembelian Laptop
DOI:
https://doi.org/10.33633/joins.v4i1.2518Abstract
Perkembangan E-commerce telah menjadi terobosan dalam strategi bisnis modern yang dapat menghasilkan kenaikan pendapatan secara virtual. Belanja merupakan kegiatan sosial dan biasanya pembeli mendapatakan rekomendasi dari orang lain untuk membeli suatu produk. Ketika mendapatkan rekomendasi, tingkat kepercayaan untuk membeli produk tersebut akan meningkat. Seiring perkembangan zaman laptop telah menjadi kebutuhan pokok bagi masyarakat. Toko – toko yang menawarkan penjualan laptop saat ini melakukan rekomendasi produk laptop dengan mengacu pada pembelian konsumen lain. Selain itu, informasi mengenai harga, spesifikasi laptop, kemudahan, serta rekomendasi dalam proses pembelian yang akurat bagi calon pembeli. Pada penelitian ini peneliti membuat sistem menggunakan metode Hybrid Filtering dan klasifikasi Naïve Bayes untuk Sistem Rekomendasi Penjualan Laptop. Untuk menentukan apakah suatu laptop di rekomendasikan atau tidak, digunakan 95 data spesifikasi, beserta rating dari laptop yang di rekomendasikan dan tidak di rekomendasikan. Dengan menggunakan 20 data testing, Berdasarkan pengujian menggunakan confusion matrix Algoritma Naïve Bayes mampu mengklasifikasikan suatu laptop di rekomendasikan atau tidak dengan tingkat akurasi 80%.Kata kunci—Sistem Rekomendasi, Hybrid Filtering, Naïve BayesReferences
S. S. Srinivasan, R. Anderson, and K. Ponnavolu, “Customer loyalty in e-commerce: An exploration of its antecedents and consequences,†J. Retail., vol. 78, no. 1, pp. 41–50, 2002.
K. C. Laudon and C. Guercio Traver, “E -commerce: business, technology, society,†Business, Technol. Soc., 2007.
J. B. E. N. Schafer, “E-Commerce Recommendation Applications,†pp. 115–153, 2001.
Y. Li, C. Wu, and C. Lai, “A social recommender mechanism for e-commerce : Combining similarity , trust , and relationship,†Decis. Support Syst., vol. 55, no. 3, pp. 740–752, 2013.
J. Ilmiah, I. Komputa, H. Setiawan, and S. Hansun, “Rancang Bangun Aplikasi Rekomendasi Pembelian Laptop dengan Database Fuzzy Model Tahani Berbasis Web Program Studi Teknik Informatika , Universitas Multimedia Nusantara , Tangerang , Indonesia Jurnal Ilmiah Komputer dan Informatika ( KOMPUTA ),†vol. 3, no. 2, 2014.
J. Wang and Y. Zhang, “Opportunity Models for E-commerce Recommendation : Right Product , Right Time,†pp. 303–312, 2013.
Y. Shoham, “Fab : Content-Based, Collaborative Recommendation,†Commun. ACM, vol. 40, no. 3, 1997.
F. Gorunescu, Data Mining: Concepts and Techniques, vol. 12. 2011.
V. No, “Sistem Rekomendasi Bacaan Tugas Akhir Jurusan Teknik Informatika Universitas Sriwijaya menggunakan Metode Collaborative Filtering dan Naive Bayes,†vol. 2, no. 1, pp. 343–347, 2016.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution 4.0 International License.
