Pada E-Commerce Oleh : Mariskha Tri Adithia KELOMPOK VI
SUKARNI NASRIA CHARMIL W.S
MAJID 121055520120002 SYAWAL 121055520120024 USULI 121055520120012 Latar Belakang Belanja online saat ini sudah menjadi kebiasaan masyarakat dunia, termasuk Indonesia. Pendapatan perusahaan e-commerce di Indonesia pada tahun 2020 (data sampai bulan Juni 2020) mencapai 28,597,000 dollar [Statista, 2020]. Pendapatan ini terus meningkat sejak tahun 2017. Jumlah masyaakat Indonesia yang sudah belanja online juga terus meningkat setiap tahunnya; mencapai 134.09 juta orang pada tahun 2020 ini, atau 50.5% seluruh penduduk Indonesia [Statista, 2020]. Di Indonesia, sudah banyak platform e-commerce lokal dengan traffic sangat tinggi, misalnya, Tokopedia, Shopee, dan Lazada. Sistem Rekomendasi Contoh rekomendasi yang diberikan sebuah platform toko online. Gambar ini diambil dari screenshot akun Tokopedia penulis Bagaimana Cara Kerjanya? Algoritma Apa Yang Dipakai ? Collaborative filtering adalah algoritma yang memprediksi ketertarikan seorang konsumen, berdasarkan kesukaan dan selera banyak konsumen lain. Salah satu metode pemfilteran pada algoritma collaborative filtering adalah metode item-based [Sarwar, 2001]. Ilustrasi collaborative filtering item-based Step By Step Data Dari : Lazada Indonesia • 203.787 Record
• 19 April 2014 – 2 Oktober 2019
• Hanya Barang Eletronik
Sepuluh produk elektronik yang paling banyak dibeli Data Cleaning • Menghilangkan duplikasi record. • Menghilangkan duplikasi produk. Studi kasus Data yang akan digunakan pada studi kasus ini adalah data transaksi dari Lazada Indonesia. Sebelum algoritma collaborative filtering item-based diterapkan, proses data cleaning dilakukan lebih jauh, untuk menghilangkan record dengan identitas konsumen yang merupakan identitas default jika konsumen tidak memberikan identitasnya. Lihat Gambar Gambar Tabel data rating yang dihasilkan Gambar Tabel data matriks rating Similarity Matriks Perhitungan Simple Weighted Everage Selanjutnya, dengan menggunakan item-to-item similarity matrix yang dihasilkan, kita hitung prediksi rating dengan menggunakan rumus simple weighted average [Saluja, 2018] Dari hasil perhitungan ini, didapatkan prediksi rating: ● Arif A. untuk produk p2 = 1.9 ● Yuni A. untuk produk p1 = 5 ● Budi P. untuk produk p3 = 4.9 Hasil Rekomendasi