Implementasi Sistem Rekomendasi Merchant Sekitar Pengguna

TAUFAN BAGUS GRAHITA, Teguh Bharata Adji, S.T., M.T., Ph.D.;P. Insap Santosa, Ir., M.Sc., P.hD., IPU.

2023 | Skripsi | S1 TEKNOLOGI INFORMASI

Aplikasi MeetingYuk merupakan aplikasi event manager untuk membantu pengguna merencanakan pertemuan dengan memesan tempat dan layanan yang ditawarkan oleh mitra. Dalam perkembangannya, mitra yang mendaftarkan layanannya semakin lama akan semakin banyak, sehingga pengguna akan kesulitan dalam memilih Merchant yang ada di sekitar pengguna. Maka dari itu, pada proyek capstone ini akan dikembangkan sistem rekomendasi lokasi mitra terdekat. Dengan dikembangkannya sistem rekomendasi ini, diharapkan pengguna akan mudah ketika mencari layanan yang berada di sekitar pengguna. Sistem rekomendasi akan menggunakan metode k-means clustering yang akan mencari Merchant yang ada di sekitar berdasarkan titik koordinat. Hasil yang diharapkan adalah tambahan dropdown filter baru dengan menampilkan persebaran mitra pada peta. Proses rekomendasi ini dimulai ketika pengguna memilih filter “sekitar anda”, sistem akan mengambil data titik koordinat pengguna yang kemudian diproses oleh sistem rekomendasi yang menggunakan k-means clustering. Hasil rekomendasi ditampilkan dengan persebaran Merchant pada peta dan diberikan juga informasi titik koordinat pengguna. Hasil pengujian sistem rekomendasi menggunakan silhouette analysis, dengan silhouette coefficient sebesar 0,45399.

The MeetingYuk application is an event manager application to help users plan meetings by ordering places and services offered by partners. In its development, there will be more and more partners who register their services, so users will find it difficult to choose Merchants around them. Therefore, in this capstone project a recommendation system for the closest partner location will be developed. With the development of this recommendation system, it is hoped that users will find it easy to find services around them. The recommendation system will use the k-means clustering method which will search for nearby Merchants based on coordinates. The expected result is the addition of a new dropdown filter by displaying the distribution of partners on the map. This recommendation process starts when the user selects a filter “sekitar anda”, the system will retrieve the user's coordinates data which is then processed by the recommendation system using k-means clustering. The recommendation results are displayed with the distribution of Merchants on the map and information on the user's coordinates is also provided. The results of testing the recommendation system using silhouette analysis, with a silhouette coefficient of 0.45399.

Kata Kunci : Dropdown Filter, Rekomendasi, K-Means Clustering, Silhouette Analysis, Silhouette Coefficient