Implementasi Sistem Rekomendasi Lencana pada Fitur Filter Pencarian Merchant untuk Aplikasi MeetingYuk
DEDE TRIMULYA, Teguh Bharata Adji, S.T., M.T., M.Eng., Ph.D.;Ir. P. Insap Santosa, M.Sc., Ph.D., IPU.
2022 | Skripsi | S1 TEKNOLOGI INFORMASIPada aplikasi MeetingYuk menyediakan layanan bagi pengguna untuk pemesanan sebuah tempat yang disediakan oleh sisi mitra yaitu MerchantYuk. Seiring banyaknya mitra baru yang mendaftarkan merchant-nya melalui aplikasi MerchantYuk menyebabkan pengguna kesulitan untuk memilih merchant yang ingin dipesannya. Salah satu solusi dan pada umumnya sering digunakan dalam permasalahan ini adalah menyediakan fitur filter search yang menggunakan fungsi sort dan/atau filter, yaitu dengan meningkatkan dan memperbanyak fungsi filter category dari pengembangan yang dilakukan sebelumnya. Di antara filter category yang penulis kembangkan salah satunya yang menjadi fokus dari proyek capstone ini adalah filter berdasarkan kategori rekomendasi lencana. Dengan menggunakan kategori ini sistem akan memberikan kepada pengguna rekomendasi merchant yang memiliki kemiripan lencana-lencana yang dimiliki oleh merchant yang sudah pernah dipesan oleh pengguna tersebut sebelumnya. Lencana dari merchant merupakan label untuk menunjukkan beberapa prestasi khusus yang diberikan dan telah diakui oleh admin MeetingYuk. Proses rekomendasi lencana ini menggunakan metode content-based filtering yaitu metode yang menjadikan konten dari riwayat item yang diminati sebagai basis utama dalam memberikan rekomendasi. Metode ini mengidentifikasi item yang diminati tersebut memiliki kemiripan dengan konten yang dimiliki item lain yang nantinya dikembalikan menjadi rekomendasi. Berdasarkan metode tersebut, dikembangkan sebuah service baru yang akan diitentegrasikan dengan microservice dari aplikasi MeetingYuk hingga implementasinya pada front end web MeetingYuk yaitu tampilan fitur filter search pada saat pengguna hendak memilih merchant. Hasil pengujian rekomendasi berdasarakan lencana merupakan nilai dari accuracy dan precision yang digunakan dalam melakukan analisis ketepatan hasil rekomendasi. Nilai accuracy tertinggi yang diperoleh adalah sebesar 0,8980. Sedangkan untuk precision didapatkan nilai tertinggi mencapai 0,7500.
The MeetingYuk application provides a service for users to book a place provided by a partner called MerchantYuk. As many new partners register their merchants through the MerchantYuk application, it is difficult for users to choose the merchant they want to order. The solution and is generally used in this problem is to provide a filter search feature that uses the sort and/or filter functions, namely by increasing and multiplying the category filter function from previous developments. Among the filter categories developed and the focus of this Capstone project are filters based on the badge recommendation category. By using this category, the system will give users recommendations for merchants that have similar badges owned by merchants that have been ordered by the user before. The badge from the merchant is a label to show some special achievements that have been awarded and have been recognized by the MeetingYuk admin. The badge recommendation process uses the content-based filtering method, which is a method that makes the content from the history of items of interest the main basis for providing recommendations. This method identifies the item of interest that has similarities to the content of other items which will later be returned as recommendations. Based on this method, a new service was developed that will be integrated with microservices from the MeetingYuk application to its implementation on the MeetingYuk web front end. The results of the recommendation test based on the badge are the values of accuracy and precision used in analyzing the performance of the recommendation results. The highest accuracy value obtained is 0.8980. Meanwhile, for precision, the highest value reached 0.7500.
Kata Kunci : Search Filter Feature, Badge Recommendation, Content-Based Filtering, Accuracy and Precision