Sistem Rekomendasi Cerdas Konsep Dasar Collaborative Filtering

Pada metode ini akan diketahui nilai similaritas antar item dengan tingkat persebaran rating kecil dan nilai similaritas antar item cenderung lebih jarang berubah dibandingkan dengan nilai similaritas antar pengguna. Item-based collaborative filtering melakukan similaritas dengan membentuk suatu model similaritas secara offline yang secara otomatis akan menghemat waktu dan memori yang digunakan untuk perhitungan pada saat pengguna mengakses halaman situs. a. Pembuatan Kesamaan Antarproduk Dengan menggunakan persamaan adjusted cosine, akan diperoleh nilai kesamaan antarproduk sebagai berikut : ...2.1 Keterangan : simi,j = Nilai kemiripan antara item i dan item j. u ∈U = Himpunan user u yang merating item i dan item j. = Rating user u pada item i. = Rating user u pada item j. = Nilai rata-rata rating user u. b. Penentuan Nilai Prediksi Untuk memperoleh nilai prediksi dari suatu produk yang belum dirating oleh pelanggan, digunakan persamaan weighted sum. ...2.2 Keterangan : P_u,j = Prediksi untuk user u pada item j. i ∈I = Himpunan item yang mirip dengan item j. R_u,i = Rating user u pada item i. S_i,j = Nilai kemiripan antara item i dan item j.

2.2.39 Teori Pengujian

Perangkat lunak dapat diuji dengan dua cara, yaitu : 1. Pengujian alpha dilakukan dengan menggunakan metode blackbox.Untuk pengujian alpha ini terdiri dari skenario pengujian aplikasi member dan skenario aplikasi pemilik dan petugas toko. 2. Pengujian beta merupakan pengujian yang dilakukan secara objektif dimana diuji secara langsung ke lapangan, dengan menggunakan kuisioner mengenai kepuasan pengguna terhadap aplikasi yang telah dibangunapakah sesuai dengan yang diharapkan.

2.2.40 Pengujian Alpa

Pengujian blackbox adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak berfungsi dengan benar. Pengujian black box merupakan metode perancangan data uji yang didasarkan pada