Perpustakaan Digital ITB

Industri ritel memainkan peran penting dalam perekonomian global, mendorong inovasi dan kepuasan konsumen melalui operasi yang efisien dan manajemen inventaris yang efektif. Penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan sistem rekomendasi user-based collaborative filtering (UBCF) untuk mesin penjual otomatis cerdas. Secara khusus, karena ketidakmampuan untuk memperoleh penilaian konsumen terhadap produk selama proses penjualan pada mesin ritel, studi ini memanfaatkan data penjualan historis dari mesin penjual otomatis cerdas. Rata-rata penjualan harian berbagai produk digunakan sebagai indeks penilaian implisit untuk lebih akurat mencerminkan preferensi konsumen dalam proses pemodelan. Penelitian ini menggunakan k-fold cross-validation dan mengevaluasi prediksi penilaian menggunakan metrik root mean squared error (RMSE), mean squared error (MSE), dan mean absolute error (MAE). Selain itu, rekomendasi atau item yang direkomendasikan dievaluasi menggunakan metrik penting dan kurva receiver operating characteristic (ROC) untuk menilai matriks kebingungan (confusion matrix). Hasil penelitian menunjukkan bahwa sistem rekomendasi yang diusulkan menunjukkan keandalan dan efektivitas. Penelitian ini memberikan kontribusi terhadap kemajuan teknologi dalam industri ritel dengan mengembangkan model UBCF yang kokoh dan disesuaikan untuk mesin penjual otomatis cerdas. Model yang diusulkan dapat secara signifikan meningkatkan kepuasan pelanggan dan efisiensi operasional dalam pengelolaan mesin penjual otomatis.