Perpustakaan Digital ITB

Pemberian rekomendasi produk yang tepat untuk meningkatkan konsumsi pengguna adalah tujuan banyak perusahaan saat ini. Pengguna biasanya memilih atau membeli produk baru yang sedang banyak diminati, produk yang serupa dengan minatnya, atau masukan dari pengguna lain. Untuk melakukan semua ini secara otomatis, sebuah sistem rekomendasi harus diterapkan. Tugas akhir ini bertujuan untuk membangun sistem rekomendasi untuk pengguna baru dan pengguna tepat saat telah melakukan pembelian. Data yang digunakan merupakan kumpulan data transaksi dari US Superstore Marketplace pada kuartal keempat 2018 yang kolom-kolomnya telah diseleksi. Data tersebut terdiri dari 1033 baris data transaksi pembelian oleh 418 pengguna dan terdapat 729 produk. Sistem rekomendasi dibangun menggunakan model multi-pemfilteran yang menggunakan beberapa teknik pemfilteran, yaitu pemfilteran global, pemfilteran berbasis produk, dan pemfilteran aturan-asosiasi. Pemfilteran global menggunakan informasi penjualan untuk memberikan rekomendasi berupa produk terlaris. Teknik pemfilteran berbasis produk bertujuan untuk memberikan rekomendasi produk yang paling mirip dengan produk yang telah dibeli menggunakan informasi kategori, subkategori, dan nama produk. Pemfilteran aturan-asosiasi memberikan rekomendasi produk yang sering dibeli bersamaan dengan produk lain menggunakan informasi data histori transaksi. Model multi-pemfilteran ini memberikan kemudahan bagi pengguna untuk memilih berbagai opsi produk dalam satu waktu. Dalam perkembangannya, sistem rekomendasi berperan meningkatkan proses dan kualitas dalam pengambilan keputusan. Sehingga, berdampak pada peningkatan penjualan dan pendapatan perusahaan.