Pengembangan Back-End Sistem Rekomendasi Merchant Untuk Aplikasi Mitra Event Manager

ALBERTUS GAGAS P D N, Teguh Bharata Adji, S.T., M.T., M.Eng., Ph.D; Noor Akhmad Setiawan, S.T., M.T., Ph.D.

2021 | Skripsi | S1 TEKNOLOGI INFORMASI

Pada periode pengembangan sebelumnya telah dikembangkan MeetingYuk, aplikasi event manager untuk klien dan MerchantYuk sebagai aplikasi bagi mitra. Dalam perkembangannya MeetingYuk dan MerchantYuk akan mendapatkan tambahan pengguna dan mitra. Untuk mengantisipasi hal tersebut, Capstone Project tahun ini mengembangkan sistem rekomendasi untuk membantu operasional MeetingYuk. Adapun proses pengembangan back-end akan memperbaiki metode penyajian daftar mitra dalam bentuk implementasi pada API. Back-end dari sistem rekomendasi dibangun menggunakan framework Flask. Hasil dari pengembangan back-end adalah API yang mampu memberikan rekomendasi mitra, API yang mampu menampilkan mitra secara alfabetis dan API yang mampu menyimpan rating yang telah diberikan pengguna. Berdasarkan hasil pengujian terhadap keseluruhan fungsionalitas, seluruh API yang telah mampu melakukan tugas dengan benar sesuai skenario yang diharapkan. Namun hasil pengujian load time menunjukkan bahwa hasil rata-rata mencapai 9,71 detik. Seluruh skenario terkecuali kondisi error memiliki load time lebih dari 3 detik karena beban proses sinkronisasi data pada hasil pemrosesan model rekomendasi.

In previous development period, MeetingYuk developed as an event-manager application for clients and MerchantYuk as an application for partners. In the future MeetingYuk and MerchantYuk will get additional users and partners. To anticipate this situation, this year's Capstone Project developed a recommendation system to assist MeetingYuk's operations. The back-end of the recommendation system is built using the Flask framework. The back-end development will improve the partner's presentation method through API development. Products of back-end development are an API to provide merchant recommendations, an API to display partners alphabetically and an API to store ratings that have been given by users. Based on the test results on all functionality, all APIs have been able to perform tasks correctly according to the expected scenario. However, the average load time test result is 9.71 seconds. All scenarios except for error conditions have a load time of more than 3 seconds due to the load of the data synchronization process on the recommendation model processing results.

Kata Kunci : Sistem rekomendasi, sistem back-end, mitra.