Disusun oleh:
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.
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
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
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.
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:
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
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
17