Sistem Rekomendasi Untuk Toko Online Kecil Dan Menengah
Abstract
Sistem pemberi rekomendasi sering digunakan di toko elektronik untuk menyarankan produk serupa atau terkait, produk yang berpotensi menarik bagi pelanggan tertentu, atau serangkaian produk untuk kampanye pemasaran. Sistem rekomendasi telah menjadi bagian yang tidak dapat dipisahkan dari hampir semua sistem berbasis informasi serta e-commerce pada umumnya. Sebagian besar sistem pemberi rekomendasi menggunakan metode penyaringan kolaboratif untuk memberikan informasi personalisasi. Metode penyaringan kolaboratif adalah cara yang sangat efisien dan nyaman untuk mencapai personalisasi karena tidak perlu memperkenalkan informasi semantik tentang produk atau menghubungkan produk dan pengguna secara manual. Namun teknik penyaringan kolaboratif memang membutuhkan matriks padat untuk mengembalikan rekomendasi yang relevan. Penelitian ini mengusulkan cara menggabungkan beberapa jenis informasi untuk meningkatkan densitas matriks input. Solusi yang disajikan berfokus pada toko online kecil dan menengah yang dapat mengambil manfaat dari hasil yang disajikan ketika mereka ingin menerapkan sistem rekomendasi dalam aplikasi mereka.
Downloads
References
Adomavicius, G., Tuzhilin, A. (2005). Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734–749. https://doi.org/10.1109/tkde.2005.99
Basu, C., Hirsh, H., & Cohen, W. W. (1998). Recommendation as Classification: Using Social and Content-Based Information in Recommendation. Proceedings of the 1998 Workshop on Recommender Systems, 11–15. Menlo Park: Cambridge university press.
Beenen, G., Ling, K., Wang, X., Chang, K., Frankowski, D., Resnick, P., & Kraut, R. E. (2004). Using social psychology to motivate contributions to online communities. Proceedings of the ACM Conference on Computer Supported Cooperative Work, CSCW, 212–221. https://doi.org/10.1145/1031607.1031642
Deshpande, M., & Karypis, G. (2004). Item-based top-N recommendation algorithms. ACM Transactions on Information Systems, 22(1), 143–177. https://doi.org/10.1145/963770.963776
Herlocker, Jonathan L. ; Konstan, Joseph A.; Borchers, Al ; Riedl, J. (2004). Evaluating Collaborative filtering recommender systems. ACM Transactions on Information Systems, 22(1), 5–53. https://doi.org/10.1007/978-3-540-72079-9_9
Komalasari, R., Munawar, Z., & Putri, N. I. (2021). Review Penelitian Teknologi Informasi , Komunikasi dan Covid 19 menggunakan teknik Bibliometrik. Jurnal ICT : Information Communication & Technology, 20(1), 34–41. Retrieved from https://ejournal.ikmi.ac.id/index.php/jict-ikmi/article/view/303/pdf
Manber, U., Patel, A., & Robison, J. (2000). The Business of Personalization: Experience with Personalization of Yahoo!, Communications of the ACM. Communication of The ACM, 43(8), 35–39. https://doi.org/10.2307/j.ctvct0023.26
Munawar, Z. (2018). Keamanan Pada E-Commerce Usaha Kecil dan Menengah. Tematik, 5(1), 1–16. https://doi.org/10.38204/tematik.v5i1.144
Munawar, Z. (2019a). Aplikasi Registrasi Seminar Berbasis Web Menggunakan QR Code pada Universitas XYZ. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 6(2), 128–150. https://doi.org/10.38204/tematik.v6i2.246
Munawar, Z. (2019b). Meningkatkan Kinerja Individu melalui Kritik/Saran menggunakan Recommender System. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 6(1), 20–37. https://doi.org/10.38204/tematik.v6i1.185
Munawar, Z. (2020). Mekanisme Keselamatan, Keamanan dan Keberlanjutan untuk Sistem Siber Fisik. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 7(1), 57–88. https://doi.org/10.38204/tematik.v7i1.371
Munawar, Z., Ismirani Fudsyi, M., & Zainal Musadad, D. (2016). Perancangan Basis Data untuk Sistem Informasi Persediaan ATK pada PT. SPP. Jurnal Teknologi Informasi Dan Komunikasi, 3(1), 86–99. Retrieved from http://jurnal.plb.ac.id/index.php/tematik/article/view/219
Munawar, Z., Putri, N. I., & Musadad, D. Z. (2020). Meningkatkan Rekomendasi Menggunakan Algoritma Perbedaan Topik. J-SIKA| Jurnal Sistem Informasi Karya Anak Bangsa, 02(02), 17–26. Retrieved from https://ejournal.unibba.ac.id/index.php/j-sika/article/view/378
Munawar, Z., Rustiyana, Herdiana, Y., & Putri, N. I. (2021). Sistem Rekomendasi Hibrid Menggunakan Algoritma Apriori Mining Asosiasi. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 8(1), 69–80. https://doi.org/10.38204/tematik.v8i1.567
Musadad, D. Z., Wiganda, J., Munawar, Z., Putri, N. I., Informatika, M., Informatika, M., … Bandung, B. (2021). Aplikasi Pemeriksaan Barang Promo Berbasis Android Di PT XYZ. J-SIKA : Jurnal Sistem Informasi Karya Anak Bangsa, 03(1), 33–42. Retrieved from http://ejournal.unibba.ac.id/index.php/j-sika/article/view/532
Pennock, D. M., Lawrence, S., & Giles, C. L. (2000). Collaborative Filtering by Personality Diagnosis : A Hybrid Memory- and Model-Based Approach. 473–480.
Putri, N. I., Fudsyi, M. I., Komalasari, R., & Munawar, Z. (2021). Peran Teknologi Informasi Pada Perubahan Organisasi dan Fungsi Akuntansi Manajemen. Jurnal Riset Akuntansi Dan Bisnis, 7(2), 47–58. Retrieved from https://jurnal.plb.ac.id/index.php/JRAK/article/view/625
Putri, N. I., Herdiana, Y., Munawar, Z., & Komalasari, R. (2021). Teknologi Pendidikan dan Transformasi Digital di Masa. Jurnal ICT : Information Communication & Technology, 20(7), 53–57. Retrieved from https://ejournal.ikmi.ac.id/index.php/jict-ikmi/article/view/306/pdf
Putri, N. I., Rustiyana, Herdiana, Y., & Munawar, Z. (2021). Sistem Rekomendasi Hibrid Pemilihan Mobil Berdasarkan Profil Pengguna dan Profil Barang. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi, 8(1 SE-Articles), 56–68. https://doi.org/10.38204/tematik.v8i1.566
Resnick, P., & Varian, H. R. (1997). Recommender Systems. Communications of the ACM, 40(3), 56–58. https://doi.org/10.1145/245108.245121
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2000). Analysis of recommendation algorithms for e-commerce. 158–167. https://doi.org/10.1145/352871.352887
Shardanand, U., & Maes, P. (1995). Social information filltering: Algorithms for automating word of mouth. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems, 210–217. https://doi.org/10.1145/223904.223931
