ISSN : 2302 – 450X
544 Produk
yang memiliki
nilai kegunaan
tertinggilah yang
kemudian dijadikan
rekomendasi Purwanto. 2009. Dalam metode ini 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. Berikut
merupakan rumus untuk menghitung similaritas:
∑ ̅̅̅̅
̅ √∑
̅ √∑
̅
1 Dimana, S
i,j
adalah similaritas atau nilai kemiripan antara ítem i dengan ítem j. u
ϵU adalah himpunan user yang me-rating baik ítem
i maupun ítem j. R
u,i
adalah rating user pada ítem
i. R
u,j
adalah rating user pada ítem j. R
u
adalah nilai rating rata – rata user.
Tahap selanjutnya adalah menghitung prediksi. Penghitungan prediksi menggunakan
rumus weighted sum:
∑ ∑ |
|
2
Dimana, P
a,j
adalah prediksi rating ítem
j oleh user a. i ϵI adalah himpunan ítem
yang mirip dengan ítem j. R
u,i
adalah Rating user a pada ítem i. S
i,j
adalah nilai similaritas atau kemiripan anatara ítem i dan j.
2.3 Analisis Kebutuhan
Analisa kebutuhan untuk mendapatkan kebutuhan yang diperlukan oleh sistem. Daftar
kebutuhan fungsional akan dispesifikasikan yaitu spesifikasi kebutuhan fungsional pengguna yang
dapat dilihat pada tabel 1.
Tabel 1. Analisis Kebutuhan Fungsional
No Kebutuhan
1 Dapat melakukan registrasi, login dan
logout 2
Dapat memberikan rating pada produk plakat
3 Mampu memberikan rekomendasi yang
telah dikalkulasi oleh sistem 4
Mampu menampilkan visualisasi untuk plakat
5 Menyimpan data dan infomasi untuk
produk plakat baru dan memasukkan kedalam galeri
6 Mampu mengatasi dalam melakukan
transaksi pembelian
2.4 Alur Kerja Pemberian Rating
Poses pemberian rating oleh user terhadap sebuah ítem ditunjukan melalui flowchart pada
gambar 2. Rating ui yang diberikan user u terhadap item i akan diperiksa apakah ui sudah ada pada tabel
rating atau belum. Jika sudah, ui yang lama akan di-
update dengan ui yang baru, sebaliknya jika belum maka ui akan dimasukkan ke dalam rating sebagai
data rating baru. Kemudian melakukan perhitugan dengan metode ítem-based collaborative filtering.
Setelah itu update tabel model.
Start Rating ui
Apakah u ada di tabel rating
Insert ui Update ui
Set item based CF?
Menghitung Similaritas
Menghitung prediksi
Update tabel model item
Selesai Tidak
Ya
Ya Tidak
Gambar 2. Flowchart Pemberian Rating 2.5
Alur Kerja Pemberian Rekomendasi Kepada User
Pemberian rekomendasi
kepada user
dijelaskan pada Gambar 3. User memilih ítem, diperiksa apakah user telah terdaftar atau belum. Jika
user telah terdaftar, maka perlu diperiksa lagi apakah user telah memberi rating pada sebuah ítem. Jika
kondisi bener maka memberikan rekomendasi kepada user.
Jika tidak maka tidak diberikan rekomendasi untuk user.
I Wayan Gede Purwa Darmaja, Aplikasi E-Commerce Dengan Sistem Rekomendasi Berbasis Collaborative Filtering Pada Penjualan Plakat
545
Start User Browsing
Logged item
Jumlah rating 0 Beri rekomendasi
End YA
YA TIDAK
Gambar 3. Flowchart Pemberian Rekomendasi 2.6
Perancangan ERD
Entity relationship diagram pada aplikasi ini
terdiri dari beberapa entitas, antara lain: Entity relationship diagram
dapat dilihat pada Gambar 4.
U se
r P
e m
b e
li a
n i
te m
It e
m ra
ti n
g
P e
m b
e li
a n
It e
m U
p d
a te
i te
m A
d m
in
L in
k s
re k
o m
e n
d a
si L
in k
s re
k o
m e
n d
a si
U se
ri d
P a
s sw
o rd
Z Ip
c o
d e
T e
lp o
n U
se ri
d It
e m
id Ca
te g
o ry
Ra ti
n g
U se
ri d
K o
d e
_ pe
m b
e li
a n
K o
d e
id Ba
h a
n tu
li sa
n Ba
h a
n da
sa r
K a
ta –
ka ta
T e
le p
o n
P e
m b
a y
a ra
n N
a m
a E
m ai
l U
se rn
a m
e P
a s
sw o
rd a
la m
a t
T e
le p
o n
U se
rn a
m e
It e
m id
It e
m id
1 it
e m
id 2
c a
te g
o ry
S im
il a
ri t
a s
P re
d ik
si
na m
e P
ic tu
re c
a te
g o
ry D
e sc
ri p
ti on
A la
m a
t It
e m
id 1
M N
1 1
1
N M
Gambar 4. ERD Sistem Rekomendasi Penjualan Plakat
2.7 Perancangan DFD
Data flow diagram adalah teknik grafis yang menggambarkan aliran dan perubahan data dari input
menjadi output. Pressman. 1997:309
2.7.1 DFD level 0
DFD level 0 menggambarkan proses secara garis besar. Aplikasi ini dapat diakses oleh
admin , dan user atau pelanggan. Terlihat seperti
pada gambar 5.
USER 0.
APLIKASI ECOMMERCE
SISTEM REKOMENDASI
PENJUALAN PLAKAT
ADMIN Login
Pemberian Rating Pembelian Item
Login sukses Rekomendasi Item
Daftar Pembelian Daftar Item
Daftar Pembelian Update Item
Cek Daftar Pembelian
Gambar 5. DFD level 0 2.7.2
DFD level 1 DFD level 1 menggambarkan proses
aplikasi ecommerce dan rekomendasi terhadap penjualan plakat. Aplikasi ecommerce diakses
oleh user atau pelanggan. Sedangkan proses rekomendasi dilakukan oleh user memberi rating
dan rekomendasi kepada user secara online. Perhitungan sebelum pemberian rekomendasi
dilakukan secara offline. Terlihat seperti gambar 6.
Data Pembelian
1.1 LOGIN
1.2 REKOMEN
DASI ITEM USER
ADMIN
1.3 DAFTAR
PEMBELIA N
Data User Data User
Data User Data Rating dan
Data Rekomendasi
Data Item Data Rating dan
Data Rekomendasi Data
Rekomendasi
Data Item Data Pembelian
Data Pembelian Data Admin
1.4 UPDATE
ITEM Data Item
Data Admin
Data Item Data Pembelian
Data Item
Data Pembelian Data user
Data USer Data Admin
Data Admin Data Admin
Links Rekomendasi
Data Rekomendasi
Data Item Data Item
Data Item Data Item
Data Pembelian Data Pembelian
Gambar 6. DFD Level 1 2.7.3
DFD Level 2 Rekomendasi Item DFD level 2 proses rekomendasi,
dimana proses
yang terjadi
bagaimana pemberian rating dan rekomendasi kepada user.
Terlihat sepeti gambar 7.
