BAB V HASIL DAN PEMBAHASAN
5.2 Pengujian Hasil Rekomendasi
5.2.1 Pengujian Precision
Berdasarkan hasil nilai similarity antar pengguna pada tabel 5.1, kemudian ditentukan berapa neighbor yang dipilih berdasarkan skenario yang telah ditetapkan untuk dilakukan perhitungan rating prediction, sehingga didapatkan hasil barang rekomendasi untuk masing-masing pengguna.
Setelah mendapatkan hasil barang rekomendasi tersebut kemudian peneliti menghitung tingkat precision berdasarkan User Acceptance Test (UAT) dengan cara pengisian angket yang meminta tanggapan balik dari pengguna apakah barang rekomendasi yang dihasilkan sesuai dengan pengguna atau tidak.
73
Berikut ini adalah hasil nilai precision berdasarkan 3 skenario pengujian.
1. 3 Neighbors
Tabel 5.2 Hasil Uji Precision Berdasarkan Skenario 3 Neighbors
User Nama
Jumlah Barang yang Direkomen
-dasikan Relevan Tidak
Relevan Precision
74
2. 5 Neighbors
Tabel 5.3 Hasil Uji Precision Berdasarkan Skenario 5 Neighbors
User Nama
Jumlah Barang yang Direkomen
-dasikan Relevan Tidak
Relevan Precision
1. Abdurrahman 31 18 13 0.581
2. Adhyaksa H. 29 18 11 0.621
3. M. Arif Rohman 26 22 4 0.846
4. Muchtar Prawira 23 14 9 0.609
5. Febrian WR. 26 16 10 0.615
6. Rizqy Ramadhan 24 21 3 0.875
7. Ikum 27 24 3 0.889
8. Luviani C. 24 19 5 0.792
9. Wahyu Aji P. 22 16 6 0.727
10. Infijarun Nur 22 17 5 0.773
11. Nabil Mujtaba 27 21 6 0.778
12. Ulfia Ustina 26 20 6 0.769
13. Syifa Afiah 25 18 7 0.720
14. Wafira Rahmania 25 13 12 0.520
15. Hera Bintani 25 13 12 0.520
16. Siti Atinah 24 18 6 0.750
17. Chintiya Dewi A. 23 15 8 0.652
18. Rizka Chairani 24 19 5 0.792
19. M. Irfan 25 18 7 0.720
20. Muthia Ardiani 23 16 7 0.696
Rata-rata 25.05 17.8 7.25 0.712
75
3. All Neighbors
Tabel 5.4 Hasil Uji Precision Berdasarkan Skenario All Neighbors
User Nama
Jumlah Barang yang Direkomen
-dasikan Relevan Tidak
Relevan Precision
1. Abdurrahman 62 33 29 0.532
2. Adhyaksa H. 57 32 25 0.561
3. M. Arif Rohman 57 36 21 0.632
4. Muchtar Prawira 53 21 32 0.396
5. Febrian WR. 58 27 31 0.466
6. Rizqy Ramadhan 59 37 22 0.627
7. Ikum 59 38 21 0.644
8. Luviani C. 62 38 24 0.613
9. Wahyu Aji P. 62 37 25 0.597
10. Infijarun Nur 60 34 26 0.567
11. Nabil Mujtaba 47 35 12 0.745
12. Ulfia Ustina 59 35 24 0.593
13. Syifa Afiah 54 31 23 0.574
14. Wafira Rahmania 60 31 29 0.517
15. Hera Bintani 56 24 32 0.429
16. Siti Atinah 58 43 15 0.741
17. Chintiya Dewi A. 58 33 25 0.569
18. Rizka Chairani 57 32 25 0.561
19. M. Irfan 55 28 27 0.509
20. Muthia Ardiani 62 34 28 0.548
Rata-rata 57.75 32.95 24.8 0.571
76
Berdasasrkan hasil diatas dapat diketahui saat dilakukan pengujian dengan skenario 3 neighbor rata-rata barang yang direkomendasikan untuk pengguna adalah 16 barang, dengan rata-rata nilai precison 0.758. Untuk pengujian dengan skenario 5 neighbor, rata-rata barang yang direkomendasikan adalah 25.05 barang, dengan rata-rata nilai precision 0.712. Dan untuk pengujian dengan skenario all neighbor rata-rata barang yang direkomendasikan untuk pengguna adalah 57.75 barang, dengan rata-rata nilai precison 0.571.
Semakin banyak neighbor yang dipilih akan memberikan hasil rekomendasi barang yang lebih banyak. Hal tersebut dikarenakan rekomendasi akan menampilkan hasil berdasarkan barang yang berasal dari neighbor yang dipilih, dimana barang tersebut telah diberi dan diberi rating oleh neighbor namun belum pernah dibeli atau diberi rating oleh user aktif. Sehingga semakin banyak neighbor yang dipilih, semakin banyak pula barang yang dapat direkomendasikan.
Gambar 5.10 Grafik Perbandingan Jumlah Barang Hasil Rekomendasi
0 10 20 30 40 50 60 70
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Jumlah Barang
User
Jumlah Barang yang Direkomendasikan
Jumlah Neighbor 3 Jumlah Neighbor 5 Jumlah Neighbor All
77
Adapun untuk skenario pengujian dengan 3 neighbor memiliki tingkat rata-rata nilai precision paling tinggi. Hal ini dapat disebabkan karena barang rekomendasi yang ditampilkan bersumber dari 3 neighbor yang memiliki kemiripan tertinggi, sehingga barang yang ditampilkan lebih sedikit dibandingkan dengan skenario pengujian 5 neighbor ataupun all neighbor. Meskipun barang rekomendasi yang ditampilkan lebih sedikit dibandingkan skenario lain, namun barang yang ditampilkan secara perhitungan prediksi memiliki rata-rata rating prediction lebih tinggi dibandingkan skenario lain. Sehingga berdasarkan hasil perhitungan prediksi sistem, semakin sedikit neighbor yang diambil untuk perhitungan, akan menampilkan barang rekomendasi yang memiliki rata-rata rating lebih tinggi.
Namun untuk keakuratan hasil yang didapat, tetap diukur berdasarkan tanggapan balik (feedback) pengguna.
Gambar 5.11 Grafik Perbandingan Hasil Uji Precision
Sebagai gambaran perbandingan 3 skenario pengujian terhadap hasil barang rekomendasi yang ditampilkan, dapat dilihat pada tabel 5.5, 5.6, dan 5.7. Dimana pada tabel tersebut adalah hasil rekomendasi barang untuk user 1 (Abdurrahman).
Setiap barang yang ditampilkan memiliki nilai rating prediction, dan diurutkan sesuai prediksi rating tertinggi dan pengguna memberi feedback apakah barang yang ditampilkan relevan atau tidak.
0
Jumlah Neighbor 3 Jumlah Neighbor 5 Jumlah Neighbor All
78
Tabel 5.5 Hasil Rekomendasi Barang untuk User 1 (3 Neighbors)
No Barang Rekomendasi Rating
Prediction
Relevan (Ya/Tidak) 1 HP Keyboard Mechanical Gaming GK300 2.46423 Ya
2 LG LED TV 22LN4000 Hitam 1.97138 Ya
3 Kursi Gaming Cougar Armor S Orange 1.97138 Ya 4 Xiaomi Mi 8 Lite RAM 6gb ROM 128 GB 1.41715 Ya
5 Asus ROG STRIX GL503GE EN129T 1.41715 Ya
6 Miyako KAS-1618B Kipas Angin Berdiri 1.41715 Ya 7 Logitech Keyboard dan Mouse Wireless MK22 1.41715 Ya
8 Camera Digital Hard Case EVA 1.11862 Tidak
9 Timbangan Digital 1.11862 Ya
10 IKORNNES Table Mirror 0.8949 Tidak
11 Tempered Glass Handphone Universal 0.8949 Tidak
12 LENOVO Yoga 330-2SID 0.8949 Ya
13 Termometer Infrared Digital 0.8949 Ya
14 Polo Milano Koper Soft case 9010 - 27" 0.85029 Tidak
15 Gitar Listrik 0.85029 Tidak
16 Panasonic Hair Straightener and Curler 0.67117 Tidak Rata-rata Rating Prediction 1.26651 Relevan:
10/16
Tabel 5.6 Hasil Rekomendasi Barang untuk User 1 (5 Neighbors)
No Barang Rekomendasi Rating
Prediction
Relevan (Ya/Tidak) 1 HP Keyboard Mechanical Gaming GK300 2.39126 Ya 2 Kursi Gaming Cougar Armor S Orange 1.62129 Ya
3 LG LED TV 22LN4000 Hitam 1.62129 Ya
4 Xiaomi Mi 8 Lite RAM 6gb ROM 128 GB 1.16548 Ya 5 Asus ROG STRIX GL503GE EN129T Hero
Edition 1.16548 Ya
6 Miyako KAS-1618B Kipas Angin Berdiri 1.16548 Ya 7 Logitech Keyboard dan Mouse Wireless MK22 1.16548 Ya
8 Termometer Infrared Digital 1.08167 Ya
79
9 Timbangan Digital 0.91997 Ya
10 Camera Digital Hard Case EVA 0.91997 Tidak
11 LENOVO Yoga 330-2SID 0.735976 Ya
12 IKORNNES Table Mirror 0.735976 Tidak
13 Tempered Glass Handphone Universal 0.735976 Tidak
14 Gitar Listrik 0.699289 Tidak
15 Polo Milano Koper Soft case 9010 - 27" 0.699289 Tidak 16 Panasonic Hair Straightener and Curler 0.551982 Tidak 17 Camera Digital Sony DSC W830 20MP 0.455817 Ya 18 Joystick Playstation 4 Dual Shock 0.455817 Ya 19 Krisbow Penghisap Debu Kering 400 W 0.432123 Ya 20 Canon EOS M5 Mirrorless Digital Camera 0.432123 Ya
21 ASUS A456UR-GA094D Putih 0.432123 Ya
22 FUJI Spring Bed Stilo Putih 0.432123 Tidak
23 Handy Cam Panasonic W580 0.364653 Tidak
24 Micro SD Card SanDisk 32GB Ultra 0.364653 Ya
25 Tripod Kamera DSLR 0.364653 Tidak
26 Charger Controller Stand Stick PS 4 0.364653 Ya 27 Pongs Tempat Sampah Pijak Biru 0.345698 Tidak 28 Tensimeter Digital UMRON HEM 7130 0.345698 Ya
29 Bean Bag Pear Lemon 0.345698 Tidak
30 Kursi - Sofa 0.27349 Tidak
31 Kangaroo Frypan Teflon Aluminium 0.259274 Tidak Rata-rata Rating Prediction 0.74337 Relevan:
18/31
Tabel 5.7 Hasil Rekomendasi Barang untuk User 1 (All Neighbors)
No Barang Rekomendasi Rating
Prediction
Relevan (Ya/Tidak) 1 Xiaomi Mi 8 Lite RAM 6gb ROM 128 GB 1.72393 Ya 2 HP Keyboard Mechanical Gaming GK300 1.28886 Ya
3 LENOVO Yoga 330-2SID 1.26678 Ya
80
4 Timbangan Digital 1.25071 Ya
5 Bean Bag Pear Lemon 1.1924 Tidak
6 Canon EOS M5 Mirrorless Digital Camera 1.15023 Ya 7 FUJI Spring Bed Stilo Putih Grade D 1.08965 Tidak 8 Kursi Gaming Cougar Armor S Orange 1.03019 Ya 9 Polo Milano Koper Soft case 9010 – 27” Hijau 1.02824 Tidak 10 Asus ROG STRIX GL503GE EN129T Hero
Edition 0.957518 Ya
11 LG LED TV 22LN4000 Hitam 0.873852 Ya
12 Micro SD Card SanDisk 32GB Ultra 0.757457 Ya 13 Miyako KAS-1618B Kipas Angin Berdiri 0.752157 Ya
14 IKORNNES Table Mirror 0.736594 Tidak
15 Samsung Smart TV 32N4300 0.725032 Ya
16 Tempered Glass Handphone Universal 0.719828 Tidak
17 Case Handphone Universal 0.635534 Tidak
18 Logitech Keyboard dan Mouse Wireless MK22 0.628178 Ya
19 Termometer Infrared Digital 0.583008 Ya
20 Treadmill Elektrik Tl 630 0.562939 Tidak
21 Gitar Listrik 0.552962 Tidak
22 Krisbow Penghisap Debu Kering 400 W 0.545222 Ya
23 Lemari Pakaian Portable 0.536331 Tidak
24 Portable Juicer Mini 0.523277 Tidak
25 Camera Digital Hard Case EVA 0.495851 Tidak
26 Kursi - Sofa 0.490972 Tidak
27 Tripod Kamera DSLR 0.452487 Tidak
28 LG AC SU05DLX - 0,5 PK Putih 0.429268 Ya
29 Joystick Playstation 4 Dual Shock 0.413077 Ya 30 Alat Pengepel Lantai Spray Mop 0.345793 Tidak
31 Penggiling Kopi Elektrik 0.326451 Tidak
32 Panasonic Hair Straightener and Curler 0.297511 Tidak
33 Earphone Seinheiser CX213 0.263079 Ya
34 X2T Bluetooth Sport True Wireless Earphone 0.254616 Ya
81
35 Camera Digital Sony DSC W830 20MP 0.245679 Ya 36 Lemari Rak Dapur Renji Series 0.243025 Tidak 37 LG DVD Home Theater System DH6340H
Hitam 0.232908 Ya
38 ASUS A456UR-GA094D Putih 0.232908 Ya
39 Sharp Mesin Cuci 2 Tabung ES-TM14PY
Putih 0.20663 Ya
40 Handy Cam Panasonic W580 0.196543 Tidak
41 Charger Controller Stand Stick PS 4 0.196543 Ya
42 High Quality Aukey Data Cable 0.19612 Ya
43 Rinnai Kompor Gas 2 Tungku 0.195922 Tidak
44 Tensimeter Digital UMRON HEM 7130 0.186327 Ya 45 Pongs Tempat Sampah Pijak Biru 0.186327 Tidak 46 Karcher HR25 Hose Reel - Yellow 0.181358 Tidak
47 Kangaroo Panci Anti Lengket 0.178395 Tidak
48 Kangaroo KG3B3 Blender 0.164831 Tidak
49 Sony Playstation 4 Slim 500GB 0.162772 Ya
50 ASUS A456UR-GA093D Merah 0.152622 Ya
51 Sanken Mesin Cuci 2 Tabung TW-1122GX
Biru 0.142716 Ya
52 Kangaroo Frypan Teflon Aluminium 0.139745 Tidak
53 Dinner Set Motif Ayam 0.133918 Tidak
54 Memory Card Camera SanDisk 16GB SDHC
Extreme Pro 0.131029 Ya
55 Rak Dinding Dapur 0.1291 Tidak
56 Memory Card Camera SanDisk 32GB SDHC 0.1291 Ya 57 Pioneer Wireless Sound System XW-SMA4-K
Hitam 0.126844 Ya
58 Fujitec Lemari Es 2 Pintu 250FS Silver 0.123978 Ya
59 Infocus Mini Projector 0.117253 Ya
60 Pongs Hair Dryer ABS EK 66580 Putih 0.100439 Tidak
61 Oxone Pisau Set Dapur 0.100439 Tidak
62 Universal Bag Camera Eos Digital 0.0982719 Tidak Rata-rata Rating Prediction 0.476 Relevan :
33/62
82