IMPLEMENTASI METODE COLLABORATIVE FILTERING DAN EXTREME PROGRAMMING PADA SISTEM REKOMENDASI APLIKASI E-COMMERCE PT ALUNA KILAU SONGKET BERBASIS WEB MOBILE

Fadlun, Syarifah (2024) IMPLEMENTASI METODE COLLABORATIVE FILTERING DAN EXTREME PROGRAMMING PADA SISTEM REKOMENDASI APLIKASI E-COMMERCE PT ALUNA KILAU SONGKET BERBASIS WEB MOBILE. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Cover) Halaman Awal.pdf Download (837kB) | Preview
Preview	Text (BAB I PENDAHULUAN) Bab I.pdf Download (252kB) | Preview
Preview	Text (BAB II TINJAUAN PUSTAKA) Bab II.pdf Download (719kB) | Preview
	Text (BAB III METODOLOGI PENELITIAN) Bab III.pdf Restricted to Repository staff only Download (794kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) Bab IV.pdf Restricted to Repository staff only Download (2MB) | Request a copy
Preview	Text (BAB V KESIMPULAN DAN SARAN) Bab V.pdf Download (38kB) | Preview
Preview	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (412kB) | Preview

Abstract

PT Aluna Kilau Songket merupakan perusahaan lokal yang menawarkan produk fashion, dekorasi rumah, dan souvenir dari kain songket. Dalam era digital yang terus berkembang, PT Aluna Kilau Songket belum memiliki aplikasi e-commerce yang terdapat sistem rekomendasi dan masih bergantung pada metode penjualan konvensional. Hal ini mengakibatkan kurangnya efisiensi dan efektivitas dalam operasional perusahaan. E-commerce dimanfaatkan dalam media informasi yang menjembatani interaksi antar penjual dan pelanggan, sedangkan sistem rekomendasi digunakan sebagai bahan pertimbangan yang memudahkan pelanggan dalam menentukan pilihan produk. Penelitian ini bertujuan untuk mengimplementasikan metode collaborative filtering sebagai metode pemecahan masalah. Collaborative filtering digunakan untuk membantu pelanggan dalam memilih item yang sesuai berdasarkan rating yang diberikan oleh pelanggan lain. Metode pengembangan sistem rekomendasi aplikasi e-commerce PT Aluna Kilau Songket berbasis web mobile ini menggunakan extreme programming. Proses rekomendasi melibatkan pengumpulan rating pelanggan ke dalam matriks yang menghubungkan pelanggan dan produk, perhitungan kemiripan antar item menggunakan algoritma adjusted cosine similarity kemudian nilai dari hasil perhitungan similarity akan digunakan untuk menghitung nilai prediksi tiap produk dengan menggunakan persamaan weighted Sum. Produk-produk dengan nilai prediksi rating tertinggi akan diprioritaskan dalam rekomendasi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi produk alternatif serta rekomendasi produk terlaris berdasarkan pada data penjualan produk yang telah dirating oleh pelanggan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	sistem rekomendasi, e-commerce, collaborative filtering, extreme programming
Subjects:	T Technology > T Technology (General)
Divisions:	Informatics Management > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	06 Aug 2025 14:12
Last Modified:	06 Aug 2025 14:12
URI:	http://eprints.polsri.ac.id/id/eprint/16714

Actions (login required)

View Item