PERANCANGAN SISTEM
REKOMENDASI PEMILIHAN
CINDERAMATA KHAS BENGKULU
BERBASIS E-MARKETPLACE
Aryani1, Boko Susilo2, Yudi Setiawan 3
1,2,3
Program Studi Infomatika, Fakultas Teknik, Universitas Bengkulu.
Jl. WR. Supratman Kandang Limun Bengkulu 38371A INDONESIA
(telp: 0736-341022; fax: 0736-341022)
1
aryanikomaruddin@gmail.com
2
bokosusilo@unib.ac.id
3
ysetiawan @unib.ac.id
Abstrak: Kendala yang sering dijumpai pada pemasaran cinderamata khas Bengkulu yaitu pada strategi
pemasaran dan media promosi. Salah satu solusi dari strategi pemasaran tersebut adalah dengan
membangun e-marketplace. Hal ini yang menjadikan perlunya sebuah sistem informasi menggunakan
codeigniter yang mampu merekomendasikan cinderamata khas Bengkulu berbasis e-marketplace dengan
menggunakan metode collaborative filtering. Penelitian ini menggunakan collaborative filtering, yang
terdiri dari item-based collaborative filtering dimana sistem akan mencari kesamaan model pembelian
(similarity item) dengan yang lainnya dan user-based collaborative filtering dimana sistem
merekomendasikan produk berdasarkan jumlah lihat, ulasan dan rating terbanyak. Penelitian ini
menghasilkan sistem informasi rekomendasi cinderamata khas Bengkulu berbasis e-marketplace yang di
uji menggunakan metode pengujian blackbox dengan hasil 100% berhasil.
70
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
hiasan dinding, pakaian khas Bengkulu, kain batik rekomendasi berupa informasi cinderamata khas
besurek, tempat pensil, frame foto, dan aneka Bengkulu yang sesuai dengan keinginnya.
kotak dan tas), bahan yang terbuat dari kain latung
II. METODE PENELITIAN
(tas, peci, sepatu, hiasan dinding, tempat pensil,
A. E-Marketplace
frame foto dan aneka kotak) dan bahan yang E-marketplace adalah media online berbasis
terbuat dari kulit pisang (misalnya tas, peci, internet (web-based) tempat melakukan kegiatan
sepatu, hiasan dinding, frame foto dan dompet)[2]. bisnis dan transaksi antara pembeli dan penjual[5].
Kendala yang sering dijumpai adalah Pembeli dapat mencari supplier sebanyak
pemasaran produk cinderamata tersebut pada mungkin dengan kriteria yang diinginkan,
strategi pemasaran dan medianya yang masih sehingga memperoleh sesuai harga pasar. E-
menggunakan sistem offline. Salah satu solusi dari marketplace menyediakan wadah komunitas bisnis
strategi pemasaran tersebut adalah pemasaran interaktif secara elektronik yang menyediakan
menggunakan electronic marketplace yang biasa pasar[5].
di kenal dengan sebutan e-marketplace. Dengan
B. Sistem Rekomendasi dan Collaborative
sistem informasi e-marketplace ini penjual akan Filtering
dapat dengan mudah memasarkan produk Sistem rekomendasi adalah program perantara
cinderamata khas Bengkulu yang di milikinya ke atau perwakilan yang secara cerdas menyusun
semua konsumen di seluruh indonesia tanpa batas daftar dari informasi yang diperlukan dan
tempat dan waktu. E-marketplace ini juga dapat mencocokkan berdasarkan keinginan dari
dijadikan startup lokal yang dapat berkontribusi pengguna[6]. Salah satu cara yang digunakan
dalam pengembangan potensi pariwisata untuk menentukan sistem rekomendasi terhadap
khususnya di Bengkulu[3]. item/produk adalah collaborative filtering.
Dalam membangun aplikasi e-marketplace Collaborative filtering adalah teknik yang
diperlukan metode dalam perancangannya, metode paling banyak digunakan pada sistem rekomendasi
yang digunakan yaitu metode collaborative dengan cara menjumlahkan rating atau pilihan
filtering yaitu metode yang memberikan dari suatu produk, menemukan profil pengguna
rekomendasi item kepada user berdasarkan opini dengan melihat history rating yang diberikan
dan rating yang diberikan oleh user lain yang pengguna, dan menghasilkan suatu rekomendasi
memiliki kemiripan dan ketertarikan pada suatu baru berdasarkan perbandingan antar pola
model item[4]. Ada dua komponen utama dalam pengguna, nilai rating berupa binary (suka/tidak
metode ini agar dapat membuat prediksi bagi suka) atau voting[7]. Pada algoritma item-based
sistem rekomendasi yaitu user dan item. Dimana akan menghitung kesamaan di antara item, dilihat
data user-based collaborative filtering berupa log dari rating yang diberikan pengguna untuk item
pencarian barang yang pernah dilakukan oleh user tersebut. Untuk membuat sistem rekomendasi
dan data item-based collaborative filtering berupa menggunakan metode item-based ada dua langkah
pemberian rating barang. Keduanya kemudian yang harus dilakukan, yaitu seperti berikut[8].
membentuk rating matriks, sehingga calon a) Menghitung Similarity
pembeli (konsumen) akan mendapatkan
71
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
Menghitung kemiripan antara satu item dengan Ru,I = rate pengguna u pada produk i,
item lainnya. Rumus yang biasa dipakai adalah Si,j = nilai kemiripan antara produk i dan
Cosine Simility Measures, yang menghitung produk j.
kemiripan antara dua item dari sudut kosinus yang Jika prediksi rating sudah dihitung, maka
tersebuat identik. Sedangkan jika nilainya 0, maka rekomendasi item pun dapat dihasilkan.
dua item tersebut sama sekali tidak mempunyai
III. IMPLEMENTASI DAN DISKUSI
kemiripan.
3.1 Analisis Sistem
( , )( , )
(, )= ………. (2.1)
( , ) ( , ) Analisa sistem adalah suatu proses analisa
Keterangan : beberapa bagian sistem yang akan dibangun.
sim(i,j) = nilai kemiripan antara produk i dan Analisa itu meliputi analisis fungsional dan
produk j, pemahaman alur kerja data. Sistem yang akan
ΣuϵU = himpunan pengguna u yang memberikan dibangun nantinya akan menggunakan bahasa
rate pada produk i dan produk j, pemrograman PHP dengan framework codeigniter
ru,i = rating pengguna u pada produk i, dan database Mysql.
ru,j = rating pengguna u pada produk j, 3.2 Analisis Alur Kerja Data
ru = rata-rata rating pengguna u. Alur kerja data dari collaborative filtering
Jika kemiripan sudah dihitung, maka kita akan untuk rekomendasi cinderamata khas Bengkulu
mengurutkan item-item berdasakan simility, item- berbasis e-marketplace terbagi ke dalam beberapa
item yang mempunyai simility besar akan berada tahap yang dimulai dari komponen mulai hingga
72
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
Pada halaman ini terdapat tampilan dari Pada halaman rekomendasi, digunakan metode
rekomendasi dengan menggunakan metode item- item-based collaborative filtering yaitu data rating
based collaborative filtering berupa menu yang sudah disimpan di dalam database yang
rekomendasi dan user-based collaborative didapatkan dari pembeli yang membeli
filtering berupa menu produk terpopuler. produk/item. Data masukan rating dalam sistem
berupa nilai rating yang dipilih oleh pelanggan
pada sistem berupa nilai dari 1-5 dengan
keterangan bagus hingga kurang bagus yang
selajutnya akan dihitung dengan menggunakan
metode item-based collaborative filtering.
Terdapat 6 produk yaitu (a, b, c, d, e dan f) dan 6
user/pelanggan (P1, P2, P3, P4, P5, P6).
Tabel 5. 3 Rating Pelanggan
a b C d e f Rata-rata
rating
P1 5 4 3 4
P2 3 2 4 1 2,5
P3 5 3 4
Gambar 4.2 Halaman Spesifikasi Produk Pengguna
P4 4 1 2,5
P5 2 2 4 5 3,25
P6 5 4 4,5
73
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
74
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
75
Jurnal Rekursif, Vol. 7 No. 1 Maret 2019, ISSN 2303-0755
http://ejournal.unib.ac.id/index
76