Surya Thidar, Agung (2020) Rancang Bangun Sistem Rekomendasi Bahan Kue Menggunakan Algoritma Frequent Pattern Growth Berbasis Web (Studi Kasus: Toko Bahan Kue Lucky). Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Penelitian ini meneliti mengenai sistem rekomendasi yang dapat memberikan rekomendasi bahan kue yang berpotensi dibeli. Merupakan suatu inovasi, untuk bertahan di pasar kompetisi dari banyaknya toko-toko yang bermunculan melayani konsumen. Sistem rekomendasi membantu pelanggan menjadi efektif dan efisien dalam membeli bahan kue, yang banyak variasinya dari bahan utama hingga hiasan kue. Melengkapi pembelian bahan kue yang akan dibeli sehingga dapat meningkatkan penjualan. Sistem rekomendasi berbasis website ini dibangun menggunakan javascript dengan framework Expressjs dan library Reactjs, didukung database mySQL. Sistem memberikan rekomendasi bahan kue yang sedang dilihat oleh user dan visitor, dan ketika user akan checkout untuk melakukan order. Sistem ini menggunakan 2 uji skenario, untuk memastikan pola yang dibentuk algoritma, dan yang ditampilkan sesuai pada website. Mengetahui kepuasan pengguna dengan End-User Computing Satisfaction hasilnya, kepuasan pengguna mencapai 85.33% dengan reliabilitas kuesioner, 0.68 yang moderat, yang didapatkan dengan rumusan Cronbach alpha.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Algoritma Fp-Growth, EUCS, Expressjs, JavaScript, MySQL Toko bahan kue lucky, Reactjs |
Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.6 Internet, Cloud Computing, Website, LAN, Email 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ |
Divisions: | Faculty of Engineering & Informatics > Informatics |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 05 Dec 2020 13:18 |
Last Modified: | 25 Aug 2023 07:17 |
URI: | https://kc.umn.ac.id/id/eprint/12950 |
Actions (login required)
View Item |