MAKALAH SISTEM INFORMASI MANAJEMEN

KONSEP DAN POLA PERDAGANGAN ELEKTRONIK DAN PERHITUNGAN

SISTEM REKOMENDASI

Dosen Pembimbing: Sulton Sholehuddin, SE., MM.

Disusun oleh:

1. Devi Dwi Liffiani (21801083101)

2. Khofifah (21801083102)
3. Siti Rahmania Ridwan (21801083103)

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM MALANG

2021
 KATA PENGANTAR

Puji syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-
Nya sehingga kami dapat menyelesaikan makalah ini dengan baik. Sholawat beserta salam
tetap tercurahkan kepada junjungan Nabi Muhammad SAW, yang telah membawa manusia ke
jalan yang benar.
Makalah yang berjudul KONSEP DAN POLA PERDAGANGAN ELEKTRONIK
DAN PERHITUNGAN SISTEM REKOMENDASI, disusun sebagai syarat untuk memenuhi
penilaian dalam mata kuliah SISTEM INFORMASI MANAJEMEN.
Kami menyadari bahwa banyak sekali kekurangan-kekurangan dalam makalah ini.
Oleh karena itu, kami memohon maaf dan mengharapkan kritik serta saran demi memotivasi
kami dalam mengerjakan tugas.

Malang, 02 Juni 2021

Kelompok 11

ii
 DAFTAR ISI
KATA PENGANTAR ...............................................................................................................ii
DAFTAR ISI............................................................................................................................ iii
BAB I PENDAHULUAN .......................................................................................................... 4
1.1 Latar Belakang ................................................................................................................. 4
1.2 Rumusan Masalah ............................................................................................................ 5
1.3 Tujuan Penulisan .............................................................................................................. 5
BAB II PEMBAHASAN ........................................................................................................... 6
2.1 Konsep dan Pola perdagangan elektronik ........................................................................ 6
2.2 Metode dalam rekomendasi sistem .................................................................................. 8
2.3 Perhitungan Sistem Rekomendasi .................................................................................. 11
2.4 Keunggulan kompetitif perdagangan elektronik ............................................................ 14
BAB III PENUTUP ................................................................................................................. 16
3.1 Kesimpulan..................................................................................................................... 16
3.2 Saran ............................................................................................................................... 16
DAFTAR PUSTAKA .............................................................................................................. 17

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dewasa ini merujuk pada penggunaan internet dan web untuk melakukan transaksi
bisnis. Lebih formal lagi, e-commerce adalah lingkungan digital yang memungkinkan transaksi
komerssial terjadi di antara banyak organisasi dan individu. Pada umumnya, e-commerce
berarti transaksi yang terjadi dalam internet dan web. Transaksi komersial melibatkan
pertukaran nilai (misalnya uang) melintasi batas-batas organisasi atau individu sebagai
imbalan atas barang dan jasa. E-commerce dimulai pada tahun 1995 ketika salah satu portal
internet yang pertama, Netscape.com, menerima iklan pertama dari perusahaan-perusahaan
besar dan memopulerkan ide bahwa web dapat digunakan sebagai medium baru untuk beriklan
dan berjualan. Tidak ada yang pernah memimpikan bahwa penjualan eceran e- commerce ini
akan mengalami kurva pertumbuhan eksponensial, yang menjadi tiga kali dan kemudian dua
kali lipatnya pada tahun-tahun awalnya. Hanya pada tahun 2006 pelanggan e-commerce
“melambat” dengan tingkat pertumbuhan tahunannya mencapai 25 persen.
Maraknya E-commerce pada saat sekarang merupakan akibat dari keinginan untuk
lebih efisien dan keinginan dalam bentuk kemudahan. E-commerce memberikan kemudahan
kepada para konsumen dalam memenuhi kebutuhannya. E-commerce merupakan sarana
mudah bagi pembeli dan penjual untuk bertransaksi dengan tidak memerlukan ruang dan
waktu, dimana pun dan kapanpun dapat dilakukan melalui system jaringan internet. E-
commerce pun dapat menjangkau pasar yang sangat luas, hanya dengan bantuan jangkauan
internet, E-commerce dapat menaklukan pasar lebih luas. Adanya E-commerce ini tentu
akan nada dampak positif dan dampak negatifnya.
Bercermin pada sejarah penemuan yang komersial, seperti telepon, radio dan
televisi, pertumbuhan e-commerce yang sangat cepat pada tahun-tahun awal kemunculannya
menghasilkan gelembung besar di banyak pasar saham, untuk saham-saham perusahaan e-
commerce. Seperti semua gelembung lainnya, pecahnya gelembung “dot - com” mencapai
puncaknya di bulan Maret 2001. Sejumlah perusahaan e-commrece yang besar ternyata gagal
selama proses ini. Tetapi, untuk beberapa yang lain, seperti Amazon, eBay, Exspedia dan
Google, hasilnya mlah semakin baik: pendapatan yang meningkat, model bisnis yang stabil
dan kenaikan harga sahamnya. Pada tahun 2007, gambaran pendapatan e-commerce secara
keseluruhan sangat baik. Maka dari itu kami tertarik untuk membahas bagaimana Konsep dan
Pola Perdagangan Elektronik dan Perhitungan sistem rekomendasi.

4
1.2 Rumusan Masalah
1. Bagaimana Konsep dan Pola perdagangan elektronik?
2. Bagaimana metode dalam rekomendasi sistem?
3. Bagaimana perhitungan Sistem Rekomendasi?
4. Apa Keunggulan kompetitif perdagangan elektronik?
1.3 Tujuan Penulisan
1. Mengetahui Konsep dan Pola perdagangan elektronik
2. Mengetahui metode dalam rekomendasi sistem
3. Mengetahui perhitungan Sistem Rekomendasi
4. Mengetahui Keunggulan kompetitif perdagangan elektronik

5
 BAB II
PEMBAHASAN

2.1 Konsep dan Pola perdagangan elektronik

A. Pengertian Perdagangan elektornik
Amir Hartman dalam bukunya “Net-Ready” (Hartman, 2000) secara lebih terperinci
lagi mendefinisikan E-Commerce sebagai “suatu jenis dari mekanisme bisnis secara
elektronis yang memfokuskan diri pada transaksi bisnis berbasis individu dengan
menggunakan internet sebagai medium pertukaran barang atau jasa baik antara dua buah
institusi (B-to-B) maupun antar institusi dan konsumen langsung (B-to-C)”. Beberapa
kalangan akademisi pun sepakat mendefinisikan E-Commerce sebagai “salah satu cara
memperbaiki kinerja dan mekanisme pertukaran barang, jasa, informasi, dan pengetahuan
dengan memanfaatkan teknologi berbasis jaringan peralatan digital”. Sementara itu
Kalakota dan Whinston mendefinisikan E-Commerce dari beberapa perspektif, yaitu:
a) Dari perspektif komunikasi, E-Commerce adalah pengiriman informasi, produk/jasa,
atau pembayaran melalui jaringan telepon, atau jalur komunikasi lainnya;
b) Dari perspektif proses bisnis, E-Commerce adalah aplikasi teknologi menuju
otomatisasi transaksi bisnis dan work flow;
c) Dari perspektif pelayanan, E-Commerce adalah alat yang digunakan untuk mengurangi
biaya dalam pemesanan dan pengiriman barang; dan
d) Dari perspektif online, E-Commerce menyediakan kemampuan untuk menjual dan
membeli produk serta informasi melalui internet dan jaringan jasa online lainnya.
Selanjutnya Yuan Gao dalam Encyclopedia of Information Science and Technology
(2005), menyatakan E-Commerce adalah penggunaan jaringan komputer untuk
melakukan komunikasi bisnis dan transksaksi komersial.
B. Konsep Perdagangan elektronik
Teknologi merubah banyak aspek bisnis dan aktivitas pasar. Dalam bisnis
perdagangan misalnya, kemajuan teknologi telah melahirkan metode transaksi yang dikenal
dengan istilah e-commerce (electronic commerce). Ecommerce merupakan transaksi jual
beli produk, jasa dan informasi antar mitra bisnis melalui jaringan komputer yaitu internet.
Internet merupakan “a global network of computer network” atau jaringan komputer yang
sangat besar yang terbentuk dari jaringan-jaringan kecil yang ada di seluruh dunia yang
saling berhubungan satu sama lain. Salah satu fungsi internet adalah sebagai infrastuktur
utama ecommerce

6
 E-commerce (perniagaan elektronik) merupakan proses yang memungkinkan
teknologi-teknologi berbasis situs internet yang memfasilitasi perniagaan/perdagangan.
Ecommerce memfasilitasi penggunaan dan implementasi proses baru bisnis. Hal ini
mencakup pelaksanaan bisnis secara elektronik melintasi spektrum hubungan-hubungan
antar perusahaan-perusahaan.
Secara garis besar, e-commerce saat ini diterapkan untuk melaksanakan aktivitas
ekonomi business-to-business, business-to-consumer dan consumer-to-consumer. Berikut
penjelasannya:
a) Business-to-business Merupakan sistem komunikasi bisnis online antar pelaku bisnis
atau dengan kata lain transaksi secara elektronik antar perusahaan (dalam hal ini pelaku
bisnis) dan dalam kapasitas atau volume produk yang besar
b) Business-to-consumer Bentuk bisnis yang menghubungkan perusahaan dengan para
pelanggan lewat internet, menyediakan instrumen penjualan produk-produk atau jasa-
jasa dan mengatur komunikasi dan hubungan dengan para pelanggan.
c) Consumer-to-consumer Merupakan transaksi bisnis secara elektronik yang dilakukan
antar konsumen untuk memenuhi suatu kebutuhan tertentu dan pada saat tertentu pula.
Segmentasi consumer-to-consumer ini sifatnya lebih khusus karena transaksi dilakukan
ke konsumen yang memerlukan transaksi
C. Pola Perdagangan elektronik
Dalam dunia e-commerce, terdapat beberapa pola bisnis yang dapat dikategorikan
menjadi sembilan pola bisnis. Kesembilan pola ini adalah:
a) Virtual Storefront, yang menjual produk fisik atau jasa secara online, sedangkan
pengirimannya menggunakan sarana-sarana tradisional.
b) Marketplace Concentrator, yaitu yang memusatkan informasi mengenai produk dan
jasa dari beberapa produsen pada satu titik sentral
c) Information Broker, yaitu menyediakan informasi mengenai produk, harga dan
ketersediaannya dan kadang menyediakan fasilitas transaksi.
d) Transaction Broker, yaitu pembeli dapat mengamati berbagai tarif dan syarat
pembelian, namun aktivitas bisnis utamanya adalah memfasilitasi transaksi.
e) Electronict Clearinghouses, yaitu menyediakan suasana seperti tempat lelang produk,
dimana harga dan ketersediaan selalu berubah tergantung pada reaksi konsumen.
f) Reverse Auction, yaitu konsumen mengajukan tawaran kepada berbagai penjual untuk
membeli barang atau jasa dengan harga yang dispesifikasi oleh pembeli.

7
 g) Digital Product Delivery, yaitu menjual dan mengirim perangkat lunak, multimedia dan
produk digital lainnya lewat internet.
h) Content Provider, yaitu menyediakan layanan dan dukungan bagi para pemakai
perangkat lunak dan perangkat keras.
i) Online Service Provider, yaitu menyediakan layanan dan dukungan bagi para pemakai
perangkat lunak dan perangkat keras.
2.2 Metode dalam rekomendasi sistem
Sistem rekomendasi merupakan sebuah perangkat lunak yang dapat digunakan untuk
menghasilkan rekomendasi item yang dapat digunakan oleh user. Permasalahan yang ada
dalam pembangunan sistem ini diantaranya terletak pada ketepatan rekomendasi yang
dihasilkan.
Sistem rekomendasi adalah salah satu bentuk personalized information system yang
digunakan dalam web e-commerce untuk menawarkan item kepada user dan memberi
informasi yang dapat membantu user dalam memilih atau membeli item
Ada beberapa metode atau teknik yang digunakan dalam sistem rekomendasi. Setiap
metode disesuaikan dengan permasalahan dalam menghasilkan sebuah informasi yang sesuai.
Belka dan Plößnig (2004) menyatakan metode atau pendekatan yang dipilih pada sistem
rekomendasi bergantung pada permasalahan yang akan diselesaikan, teknik rekomendasi yang
berbeda-beda digunakan untuk aplikasi yang berbeda, dasar dari suatu tujuan dan objektif dari
sebuah aplikasi. Dari penelitian terbaru metode atau teknik rekomendasi memiliki beberapa
sejumlah kemungkinan klasifikasi (Adomavicius & Tuzilin., 2005). Berdasarkan metode
rekomendasi yang sering digunakan, sistem rekomendasi dibagi dalam beberapa klasifikasi
yaitu: content- based recommendation, collaborative-based recommendation, dan hybrid-
based recommendation
A. Content-Based Recommendation
Content-based recommendation adalah hasil dari penelitian penyaringan informasi
dalam sistem berbasis konten. ( Bogers & Bosh (2007) Sistem rekomendasi berbasis konten
dimulai dengan memahami kebutuhan user (pengguna), preferensi dan kendala jika ada.
Informasi ini digabungkan dengan log dari interaksi user sebelumnya (jika ada) untuk
membangun profil pengguna (Sharda N., 2007). Proses yang dilakukan dalam content-
based recommendation yaitu melalui informasi retrieval dan sistem filtering informasi yang
menampilkan keseluruhan perhitungan dari hubungan tunggal descriptor x object. Objek
dapat berupa dokumen teks dan descriptor dapat berupa kata kunci.

8
 Content-based recommendation sendiri melakukan pendekatan perhitungan sesuai
dengan item yang memiliki kedekatan dalam tipikal item, pendekana ini melakukan
pengambilan data dari item yang memiliki karakteristik yang sama.
B. Collaborative-Based Recommendation
Adomavicius & Tuzilin (2005) menyatakan sistem collaborative-based
recommendation adalah metode yang digunakan untuk memprediksi kegunaan item
berdasarkan penilaian pengguna sebelumnya. Metode ini merekomendasikan item-item
yang dipilih oleh pengguna lain dengan kemiripan model item dari pengguna saatini
(Sebastia, L et al., 2009) descriptor matches object Sistem rekomendasi berbasis kolaboratif
(collaborative-based) dibuat untuk mengatasi kelemahan dari sistem rekomendasi berbasis
konten (content-based) yaitu:
a) Pendekatan collaborative dapat bekerja dalam domain dimana terdapat sedikit content
yang berasosiasi dengan item atau ditempat dimana content sulit dianalisis
menggunakan komputer seperti ide, masukkan atau opini sehingga menjadi reliable.
b) Pendekatan collaborative mempunyai kemampuan untuk menyediakan rekomendasi
yang tidak terduga atau tidak disengaja, misalnya dapat merekomendasikan item yang
relevan kepada pengguna sekaligus tidak mengandung content dari profil pengguna
tersebut.
Collaborative filtering merupakan sub bagian dari machine learning yang ditujukan
untuk melakukan prediksi keinginan pengguna berdasarkan kegiatan yang dilakukan
sekelompok pengguna seperti pemberian rating terhadap suatu barang. Metode
collaborative filtering pada prinsipnya adalam proses menyaring data berdasarkan
kemiripan informasi, karakteristik, atau profil dari para pengguna.
Collaborative filtering merupakan metode yang memberikan rekomendasi
berdasarkan suatu hal yang disukai oleh satu pengguna, dengan pengguna lain yang
memiliki preferensi yang mirip. Algoritma collaborative filtering bertujuan untuk
menganjurkan barang baru atau memprediksikan evaluasi barang kepada pengguna khusus
berdasarkan pada ketertarikan sebelumnya dari pengguna dan opini dari pengguna-
pengguna lain yang mempunyai ketertarikan yang mirip.
Dalam metode ini, para pengguna yang telah melakukan rating terhadap item,
selanjutnya item yang telah mendapatkan rating akan dihitung nilai kemiripan antar item,
kemudian dihitung nilai prediksinya dan yang terakhir yaitu memberikan rekomendasi
kepada pengguna-pengguna dari situs web tersebut.
Model dari collaborative filtering sendiri memiliki dua model, yaitu user-based dan

9
 item-based. User-based merupakan metode rekomendasi yang berdasarkan kemiripan atau
kesamaan kebutuhan antar pelanggan. Sedangkan untuk item-based, metode ini berfokus
pada kemiripan antar item, misalnya saja kemiripan rating yang diberikan oleh pengguna
dari web.
Dalam sistem rekomendasi, metode yang digunakan adalah item-based
collaborative filtering, dan yang harus dilakukan yaitu menghitung nilai kemiripan antar
item dengan item lain berdasarkan nilai rating yang telah diberikan oleh pengguna. Setelah
nilai kemiripan dihitung, kemudian selanjutna menghitung nilai prediksi, dan kemudian
akan dipilih nilai tertinggi untuk dijadikan rekomendasi kepada pengguna.
C. Hybrid-based recommendation
Hybrid recommender system digunakan untuk menggambarkan setiap sistem
rekomendasi yang menggabungkan beberapa teknik rekomendasi untuk menghasilkan
sebuah output (Burke, R.,2007). Adomavicius & Tuzilin (2005) menyatakan beberapa
sistem rekomendasi menggunakan metode hybrid untuk menggabungkan metode content-
based dan collaborative untuk membantu keterbatasan yang terdapat pada kedua metode
tersebut. Li,Qing dan Kim, Byeong Man (2002) terdapat beberapa cara penggabungan yang
dapat dilakukan dalam metode hybrid yaitu :
1.Penggabungan secara Liner (Linier Combination)
2.Penggabungan secara Sekuensial (Sequential Combination)
3.Penggabungan secara Item-based Clustering Hybrid Method(ICHM)
Burk, R. (2002)memperkenalkan taxonomy untuk sistem rekomendasi hybrid.
Taxonomyini diklasifikasikan ke dalam tujuh kategori, yaitu:
a) Weighted hybrid: Nilai komponen dari sistem rekomendasi yang berbeda digabungkan
secara numerik atau menggunakan algoritma linier.
b) Switching hybrid: Sistem memilih komponen-komponen dari setiap rekomendasi dan
menerapkan komponen yang dipilih.
c) Mixed hybrid: Rekomendasi dari berbagai sistem rekomendasi disajikan bersama
d) Feature Combination: Fitur-fitur yang berasal dari berbagaisumber pengetahuan
digabungkan dan diberikan algoritma rekomendasi
e) Feature Augmentation: merupakan salah satu teknik rekomendasi yang digunakan
untuk menghitung sebuah fitur atau sekumpulan fitur yang kemudian menjadi bagian
yang dimasukkan ke teknik berikutnya.
f) Cascade : merupakan rekomendasi yang memiliki prioritas tinggi sebagai solusi
pemecahan masalah dalam melakukan perbaikan

10
 g) Meta-level: merupakan salah satu teknik rekomendasi yang diterapkan dan
menghasilkan beberapa jenis model, yang kemudiandigunakan sebagai input oleh
teknik berikutnya
2.3 Perhitungan Sistem Rekomendasi
A. Content-based Recommendation
Content-based Recommender system, attribute dari item digunakan untuk membuat
rekomendasi. Content yang dimaksud disini adalah deskripsi. Di dalam content based, rating
dan behavior dari user dikombinasikan dengan informasi konten yang tersedia pada item.
Atribut dari item yang pernah berinteraksi dengan user akan dipakai untuk menemukan item
sejenis yang memiliki atribut yang mirip ataupun serupa untuk dijadikan rekomendasi.
Untuk menghitung bobot dari masingmasing atribut dapat dengan menggunakan rumus
berikut.

𝑤(𝑢,𝑗𝑘) : Bobot yang dimiliki oleh pengguna u terhadap fitur 𝑗𝑘

𝐼𝑢 : Satu set item yang telah dirating oleh pengguna u
𝑥(𝑖,𝑗) : Jumlah kata dalam dokumen j
𝑟(𝑢, 𝑖) : rating yang diberikan pengguna u terhadap item i
Untuk menghitung prediksi rating yang akan diberikan seorang pengguna terhadap
sebuah item dapat menggunakan formula berikut ini.

𝑅 ′(𝑢, 𝑖) : Prediksi rating pengguna u terhadap item i

𝐷𝑖 : Fitur yang muncul di dalam item i
𝑤(𝑢,𝑗) : Bobot yang dimiliki oleh pengguna u terhadap fitur 𝑗𝑘
Salah satu masalah pada teknik rekomendasi Collaborative filtering (CF) yang terjadi
yaitu data sparsity yang diakibatkan jika kurangnya informasi ketika hanya beberapa dari
jumlah total item yang tersedia dan telah diakses oleh pengguna. Tanpa rating yang cukup,
efektivitas prediksi kepada pengguna akan sangat berkurang. Data sparsity juga
menciptakan tantangan untuk perhitungan kesamaan item yang kuat ketika jumlah item
yang dinilai bersama antara dua pengguna tersedia sedikit.
B. Collaborative-Based Recommendation
Collaborative Filtering Recommender system menggunakan kemampuan kolaboratif
dari rating yang diberikan oleh banyak user untuk membuat rekomendasi. Pada proses
11
Collaborative Recommendation, terdapat 3 tahapan untuk memperoleh nilai similarity dan
item hasil rekomendasi. Tahap pertama yaitu tahap awal yang berisi persiapan data yang
diperlukan yaitu parameter userID, itemID dan rating. Selanjutnya akan dipilih pengguna
yang akan diberi rekomendasi dan konten yang belum pernah diakses oleh user. Tahapan
kedua yaitu perhitungan prediksi konten yang berisi perhitungan item similarity atau
kesamaan antara semua konten dengan konten yang ingin dilakukan prediksi rating,
kemudian hasil perhitungan tersebut akan diambil beberapa konten terpilih yang memiliki
nilai item similarity terbesar sebanyak ‘k’ dan konten yang terpilih akan menjadi bagian
untuk memprediksi rating item. Dengan nilai item similarity tertinggi dari item yang terpilih
akan digunakan pada tahap prediksi rating. Tahapan ketiga yaitu pemberian rekomendasi
konten sesuai hasil prediksi rating item dengan nilai tertinggi.
Metode Pearson Correlation Coefficient merupakan metode yang paling sering
digunakan untuk menghitung kemiripan antara objek-objek berdasarkan perhitungan
korelasi linear antara dua himpunan yang berbeda. Hasil pengukuran pearson correlation
berupa klasifikasi kriteria similarity dengan rentang nilai -1 (sangat tidak mirip) sampai 1
(sangat mirip) dengan 0 sebagai nilai tengah (netral) dimana rating yang akan dihitung
kemiripannya akan dinormalisasi terlebih dahulu menggunakan mean centering
normalization.

𝑠𝑖𝑚(𝑖,𝑗) : Kemiripan item i dan item j

𝑅𝑢𝑖 : Rating yang pernah diberikan pengguna u terhadap item i
𝑅̅ 𝑖 : Rata-rata rating dari item i
𝑅𝑢𝑗 : Rating yang diberikan pengguna u terhadap item j
𝑅̅ 𝑗 : Rata-rata rating dari item j
Algoritma k-Nearest Neighbors Perhitungan prediksi digunakan untuk memprediksi
nilai rating yang diberikan oleh user untuk item tertentu. Salah satu metode dalam teknik
Collaborative recommendation yang mampu memberikan rekomendasi yang akurat dan
dipersonalisasi adalah metode neighborhood-based atau sering disebut K-Nearest Neighbor.
Dalam metode neighborhood-based, rating yang diberikan oleh pengguna langsung
disimpan oleh sistem dan kemudian digunakan untuk memprediksi rating untuk item baru.
Untuk prediksi rating konten, diawali dengan perhitungan kesamaan antara dua konten (item
similarity) yang disimbolkan dengan sim(i,j) dan memilih sejumlah item (disimbolkan

12
 dengan k) tetangga terdekat, kemudian menghitung prediksi nilai rating. Pada penelitian ini,
untuk mengukur item similarity akan menggunakan persamaan pearson correlation. Adapun
bentuk persamaan algoritma k-NN adalah sebagai berikut:

𝑝𝑢,𝑖 : Prediksi rating untuk user u

𝑠𝑖𝑚(𝑖,𝑗) : Kemiripan item i dan item j
𝑅𝑢𝑗 : Rating yang diberikan pengguna u terhadap item j
Evaluasi yang dilakukan di algoritma k-NN berdasarkan eksperimen yang dilakukan
antara lain nilai item pemilihan k konten sebanyak 100%, pemilihan k konten sebanyak
75%, pemilihan k konten sebanyak 50% dan pemilihan k konten sebanyak 25%. Semua
faktor pertimbangan akan dieksperimenkan terhadap beberapa kondisi pembagian data
training dan data test antara lain 60:40, 75:25, 80:20, 85:15 dan 90:10. Keempat eksperimen
akan membentuk model-model algoritma yang menghasilkan nilai error berdasarkan
kondisi faktor pertimbangan dan pembagian data.
C. Hybrid-based recommendation
Dalam bukunya, Aggarwal mengelompokan teknik hybrid menjadi 3, yaitu
monolithic, yang meliputi combination dan meta-level, kemudian ensemble design, yang
meliputi feature augmentation, cascade, weighted, dan switching, dan yang terakhir mixed
system yang berdiri sendiri dan tidak dikategorikan sebagai monolithic ataupun ensemble
Metode hybrid recommendation menggunakan penggabungan metode content-
based recommendation dan collaborative recommendation yang diharapkan mampu
menyelesaikan masalah sparsity. Metode content-based recommendation digunakan untuk
melakukan prediksi rating yang digunakan untuk pengisian data rating sparse. Kemudian
data rating sparse yang telah diisi digunakan kembali dalam metode collaborative
recommendation untuk perhitungan prediksi rating menggunakan algoritma k-NN untuk
memberikan rekomendasi item kepada user. Metode hybrid yang digunakan dengan tipe
feature augmentation.
Evaluasi Algoritma MAE (Mean absolute error) adalah formula yang digunakan
untuk menghitung tingkat akurasi atau besar error untuk menghitung prediksi rating dari
sistem terhadap rating yang sebenarnya yang user berikan terhadap suatu sistem. MAE
diperoleh dengan menghitung error absolut dari N pasang rating asli dan prediksi, kemudian
akan dihitung rata-ratanya. Nilai MAE yang semakin mendekati 0 maka hasil prediksi akan
semakin baik.
13
 𝑀𝐴𝐸𝑖 : Model evaluasi algoritma
𝑟𝑖 : Nilai rating yang sebenarnya
𝑝𝑖 Nilai prediksi rating
𝑛 : Banyaknya pasang rating asli dan prediksi
MAE ini diaplikasikan untuk menghitung performansi dari hybrid recommender
system
2.4 Keunggulan kompetitif perdagangan elektronik
Menurut Philip Evans dan Thomas S.Wurster, perkembangan e-commerce dewasa ini
adalah generasi kedua dari electronic commerce. Generasi pertama adalah sekedar
perdagangan dengan melalui e-mail biasa. Generasi pertama lebih bersifat coba-coba
sedangkan generasi kedua lahir setelah terbukti bahwa generasi pertama berhasil diluar dugaan
semula. Dalam perdagangan fisik yaitu perdagangan konvensional, jika Anda ingin mencari
dan membeli baju misalnya Anda perlu mencari dan memilih di antara berbagai toko di
berbagai tempat yang dapat sangat melelahkan disamping memakan biaya dan waktu, sulit dan
tetap tidak akan lengkap. Untuk itu pembeli terpaksa mengharapkan bantuan para pengecer
untuk menyempitkan pilihan baju yaitu di antara yang dipajang dan dijual di toko mereka saja.
Jadi salah satu jasa mereka yang diberikan kepada para pembeli adalah membantu mencarikan
(navigation) atau memilih barang. Dalam e-commerce, tugas pencarian diberikan oleh internet
dimana pembeli dapat mencari jenis barang dari kemungkinan yang lebih banyak, dalam waktu
yang jauh lebih cepat, dengan cara lebih mudah, tidak melelahkan dan praktis tanpa biaya. Jadi
salah satu keunggulan kompetitif dari internet adalah memberikan navigasi yang lebih cepat,
lebih lengkap, lebih nyaman dan lebih murah. Navigasi ini memiliki 3 dimensi jasa, yaitu :
A. Jangkauan (reach)
Jangkauan adalah mengenai akses dan hubungan. Dari segi produsen ini berarti berapa
besar dan berapa banyak pelanggan yang dapat dijangkau dan berapa jenis barang yang
dapat ditawarkan. Dari segi pelanggan jangkauan dapat berarti berapa banyak pilihan barang
yang tersedia dan berapa mudah mengetahui hal tersebut. Jangkauan adalah suatu hal yang
sangat membedakan antara bisnis elektronik dan bisnis fisik dan merupakan keunggulan
kompetitif utama dari e-commerce sampai saat ini.
B. Afiliasi (affiliation)
Yang dimaksud dengan afiliasi di sini adalah keberpihakan pada suatu pihak. Yang ini
memang tidak begitu nyata pada bisnis fisik tetapi mulai tampak pada bisnis elektronik. E-

14
 commerce cenderung untuk ‘lebih berpihak’ pada konsumen disbanding dengan bisnis fisik
karena perkembangan teknologi informasi yang digunakan justru meningkatkan jumlah dan
mutu informasi dan juga keterbukaan. Ini tentu saja lebih menguntungkan para pelanggan.
Pelanggan akan lebih ‘berkuasa’ daripada produsen dibandingkan masa perdagangan fisik.
Pada gilirannya, afiliasi ini akan merupakan keunggulan kompetitif pula bagi para produsen.
C. Kekayaan (richness)
Kekayaan adalah kedalaman dan keterincian informasi mengenai barang atau jasa yang
dapat diberikan oleh produsen kepada para pelanggan ataupun juga kedalaman dan
keterincian informasi yang dapat dikumpulkan mengenai para pelanggan. Dalam E-
commerce, perusahaan pada saat ini memang belum berkompetisi penuh mengenai
kekayaan informasi ini, namun diperkirakan akan merupakan salah satu keunggulan
kompetitif yang besar di kemudian hari. Kekayaan informasi ini makin lama makin
berkembang dan makin lengkap.

15
 BAB III
PENUTUP

3.1 Kesimpulan
E-Commerce sebagai “suatu jenis dari mekanisme bisnis secara elektronis yang
memfokuskan diri pada transaksi bisnis berbasis individu dengan menggunakan internet
sebagai medium pertukaran barang atau jasa baik antara dua buah institusi (B-to-B) maupun
antar institusi dan konsumen langsung (B-to-C). Secara garis besar, e-commerce saat ini
diterapkan untuk melaksanakan aktivitas ekonomi business-to-business, business-to-consumer
dan consumer-to-consumer. Dalam e-commerce, terdapat sembilan pola bisnis yaitu: Virtual
Storefront, Marketplace Concentrator, Information Broker, Transaction Broker, Electronict
Clearinghouses, Reverse Auction, Digital Product Delivery, Content Provider, & Online
Service Provider.
Sistem rekomendasi adalah salah satu bentuk personalized information system yang
digunakan dalam web e-commerce untuk menawarkan item kepada user dan memberi
informasi yang dapat membantu user dalam memilih atau membeli item. Berdasarkan metode
rekomendasi yang sering digunakan, sistem rekomendasi dibagi dalam beberapa klasifikasi
yaitu: content- based recommendation, collaborative-based recommendation, dan hybrid-
based recommendation
keunggulan kompetitif dari perdagangan elektronik adalah memberikan navigasi yang
lebih cepat, lebih lengkap, lebih nyaman dan lebih murah. Navigasi ini memiliki 3 dimensi
jasa, yaitu : Jangkauan (reach), Afiliasi (affiliation), Kekayaan (richness)
3.2 Saran
Dalam rangka penyusunan makalah ini penyusun mencoba membuat makalah dengan
sebaik-baiknya, namun kami menyadari masih banyak kekurangan dan kekeliruan, agar
semakin lengkap dan sempurnanya makalah ini kami menerima saran dan kritik yang
membangun agar menambah ilmu pengetahuan kita dalam pembelajaran mata kuliah Sistem
Informasi Manajemen.

16
 DAFTAR PUSTAKA

Dewi, Wahyu Listiawati. 2020. E-Commerce: Pasar Digital dan Barang Digital. Universitas
Mercubuana. Hal 2-3

Oktara, Rio dkk. 2013. PERANCANGAN APLIKASI E-COMMERCE DENGAN SISTEM

REKOMENDASI ITEM-BASED & COLLABORATIVE FILLTERING. Jurnal
Manajemen sistem Informasi Dan Teknoligi. 32-34

Heryanto, Bobby. 2018. Membangun E-Commerce dengan Menggunakan Metode Item-based

Collaborative Filtering. Universitas Teknologi Yogyakarta. Hal 2-3

Lubis, Yohana Imelda dkk. 2020. Implementasi Metode Hybrid Filtering (Collaborative dan
Content-based) untuk Sistem Rekomendasi Pariwisata. Departemen Teknik Elektro dan
Teknologi Informasi. 30-32

Satyawira, Reagan. 2008. TIGA KEUNGGULAN KOMPETITIF E-COMMERCE. Link

http://reagansatyawira.blogspot.com/2008/11/tiga-keunggulan-kompetitif-e-
commerce.html?m=1#:~:text=Jadi%20salah%20satu%20keunggulan%20kompetitif,le
bih%20nyaman%20dan%20lebih%20murah.&text=Jangkauan%20adalah%20suatu%
20hal%20yang,e-commerce%20sampai%20saat%20ini Diakses pada 02 Juni 2021
pukul 20:06

Konsep e-Commerce from http://eprints.walisongo.ac.id/3666/3/102411097_Bab2.pdf

Diakses pada 02 Juni 2021 pukul 21:14

17