Implementasi Sistem Rekomendasi Barang Customer pada E-Commerce MTC Karebosi Menggunakan Metode K-Means Clustering dan Metode Decision Tree

Abstract

Dengan terus bertambahnya jumlah costumer juga ikut meningkatkan jumlah lapak yang ada di MTC namun hingga saat ini sayangnya metode penjualan yang digunakan tersebut masih konvensional seutuhnya. Metode marketing yang digunakan oleh hampir seluruh toko/lapak/rekanan yang melakukan penjualan di MTC belum memiliki teknik lain dalam menawarkan produk selain dengan cara konvensional. Padalah dari sistem e-commerce yang ada tersebut sebenarnya kita dapat melakukan pengembangan proses marketing dengan memanfaatkan teknologi prediksi rekomendasi barang kepada para user e-commerce. Sebagai bentuk Efisiensi penggunaannya maka dipandang perlu menambahkan fitur Sistem rekomendasi yaitu suatu sistem yang digunakan untuk melakukan prediksi terhadap sesuatu objek. Sistem ini merupakan salah satu bentuk dari personalisasi web yang digunakan dalam sistem e-commerce. Pada tulisan ini dilakukan analisa terhadap penggabungan 2 metode yang diterapkan dalam sistem rekomendasi yaitu metode klasifikasi dengan menggunakan decision tree dan algoritma k-means clustering. Pengukuran tingkat akurasi dilakukan dengan membandingkan data asli dengan hasil prediksi yang didapatkan.. Semakin besar banyaknya cluster maka tingkat akurasi semakin baik. Setelah peneliti merancang dan membangun impelementasi sistem rekomendasi barang customer pada e-commerce MTC karebosi menggunakan metode decision tree dan k-menas clustering maka dapat dilihat bahwa sistem mampu berjalan dengan baik sesuai dengan perhitungan manual decision tree dan k-menas clustering. Untuk tahap implementasi awal, berada pada tahap pengujian white box dengan hasil yang memperlihtakan bahwa secara garis besar semua fungsi yang ada pada aplikasi berjalan dengan baik.