Implementasi Sistem Evaluasi dan Rekomendasi Produk Farmasi pada B2B E-Commerce Menggunakan Metode Collaborative Filtering

Juandi, Juandi (2024) Implementasi Sistem Evaluasi dan Rekomendasi Produk Farmasi pada B2B E-Commerce Menggunakan Metode Collaborative Filtering. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (671kB)
	PDF BAB_I.pdf Download (314kB)
	PDF BAB_II.pdf Download (411kB)
	PDF BAB_III.pdf Download (265kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (220kB)
	PDF DAFTAR_PUSTAKA.pdf Download (296kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (968kB)

Abstract

Farmasi merupakan sebuah bidang profesional yang penting dalam kehidupan manusia. Seiring dengan berkembangnya zaman dan persaingan bisnis, industri farmasi harus menerapkan penggunaan teknologi sebagai salah satu strategi bisnisnya. PT. X merupakan perusahaan farmasi yang telah menerapkan strategi tersebut melalui distribusi produk pada B2B e-commerce milih pihak distributor yang disertai dengan fitur rekomendasi produk menggunakan package recommenderlab. Namun masih belum ada evaluasi teknikal yang dilakukan pada saat perancangan model sistem rekomendasi yang menyebabkan hasil rekomendasi tidak dapat diukur secara teknis. Untuk menjawab permasalahan tersebut, penelitian ini melakukan evaluasi secara teknikal sekaligus melakukan komparasi antara model sistem rekomendasi package recommenderlab dengan model sistem rekomendasi yang baru dibangun dengan harapan dapat memperoleh model sistem rekomendasi yang lebih baik menggunakan framework CRISP-DM. Model sistem rekomendasi yang dibuat adalah collaborative filtering berbasis user, item, dan hybrid menggunakan matriks similaritas cosine similarity dan manhattan distance. Komparasi dilakukan melalui evaluasi menggunakan teknik stratified k-folds cross validation dan metrik pengukuran mean average precision. Data yang digunakan adalah data pendistribusian produk di perwakilan cabang besar, sedang, dan kecil selama 3 bulan. Penelitian berhasil melakukan komparasi model sistem rekomendasi baru serta model yang sedang digunakan oleh perusahaan. Model sistem rekomendasi terbaik adalah model collaborative filtering berbasis user menggunakan matriks similaritas cosine similarity dengan metrik mean average precision sebesar 16.9 %. Model tersebut kemudian akan diaplikasikan ke appication programming interface atau API menggunakan FastAPI. Pembuatan model dalam bentuk API dilakukan sebagai integrasi antara frontend aplikasi B2B e-coomerce dan model di program backend.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Collaborative filtering, Cosine Similarity, Cross Validation, Manhattan Distance, Recommenderlab
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 10:10
Last Modified:	11 Nov 2024 10:10
URI:	https://kc.umn.ac.id/id/eprint/34423

Actions (login required)

View Item