Judul: Sistem rekomendasi produk perawatan kulit dengan metode hybrid (content-based filtering dan Collaborative filtering) berbasis Android. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode content-based filtering dan Collaborative Filtering pada sistem rekomendasi produk perawatan kulit berbasis Android.
- Latar Belakang
- Rumusan Masalah
- Batasan Masalah
- Tujuan Penelitian
- Manfaat
- Bagi Mahasiswa
- Bagi Universitas
- Bagi Pengguna
- Metode
- Metode Pengumpulan Data
- Metode Pengembangan Sistem
- Sistematika Penulisan
Hal ini sangat penting bagi seseorang untuk memilih produk perawatan kulit yang sesuai dengan kondisi kulitnya. Tujuan dari penelitian ini adalah mengimplementasikan metode Content Based Filtering menggunakan algoritma TF-IDF dan Collaborative Filtering menggunakan Pearson Correlation Based Miripity pada sistem rekomendasi produk perawatan kulit berbasis Android.
PENDAHULUAN
Metode yang digunakan penulis dalam penelitian ini terbagi menjadi dua yaitu metode pengumpulan data dan metode pengembangan sistem. Untuk memudahkan memahami pembahasan penelitian ini, penulis telah membuat sistem penulisan yang terdiri dari enam bab, yaitu sebagai berikut :.
LANDASAN TEORI
METODE PENELITIAN
ANALISIS DAN PERANCANGAN SISTEM
KESIMPULAN
PENUTUP
Sistem Rekomendasi
Content Based Filtering
- Algoritma Term Frequency-Inverse Document Frequency (TF-IDF)
- Algoritma Correlation Based Similarity
- Algoritma Weighted Sum
Konsep dasar dalam metode Collaborative Filtering adalah menggunakan pendapat pengguna lain untuk memberikan prediksi tentang item yang mungkin menarik bagi pengguna (Ricci et al., 2011). Algoritma ini menghitung prediksi rating item tersebut dengan cara membandingkan rating item yang diberikan pengguna dengan hasil kemiripan antara item tersebut dengan item lainnya (Adomavicius & Kwon, 2007).
Hybrid Recommendation System
- Switching Hybrid Recommender System
Dengan menggunakan teknik ini diharapkan sistem dapat menghindari beberapa permasalahan yang terdapat pada sistem pemberi rekomendasi murni atau yang hanya menggunakan satu metode (Jannach, Zanker, Felfernig, & Friedrich, 2010). Hanya sistem rekomendasi terpilih yang akan ditampilkan oleh sistem, sedangkan sistem rekomendasi lainnya tidak berperan (Nufal, Romadhony, & Rachmawati, 2013).
Skin care
- Jenis Kulit Wajah
- Produk Skin care
Oleh karena itu, memilih perawatan kulit yang tepat adalah yang sesuai dengan setiap jenis kulit. Seperti yang telah dijelaskan sebelumnya, skin care merupakan rangkaian kegiatan perawatan kulit wajah dengan menggunakan beberapa produk.
Unified Model Language (UML)
- Use Case Diagram
- Activity Diagram
- Sequence Diagram
- Class Diagram
Aktivitas menggambarkan proses yang sedang berlangsung, dan use case menggambarkan bagaimana aktor menggunakan sistem untuk melakukan aktivitas (Dharwiyanti & Wahono, 2003). Suatu kelas tidak dapat berdiri sendiri dan harus menjadi bagian dari kelas yang lain, sehingga suatu kelas mempunyai hubungan komposit.
Android Studio
Terapkan Perubahan untuk mendorong perubahan kode dan sumber daya ke aplikasi yang sedang berjalan tanpa memulai ulang aplikasi. Templat kode dan integrasi GitHub untuk membantu Anda membuat fitur aplikasi umum dan mengimpor kode sampel.
JAVA
Dukungan bawaan untuk Google Cloud Platform, yang memudahkan integrasi Google Cloud Messaging dan App Engine.
Realm
Rilis stabil ini memungkinkan sinkronisasi dua arah antara Realm Object Server dan database sisi klien milik pengguna yang login (Jalaludin, 2018). Skalabilitas, hal ini sangat diperlukan ketika mengembangkan aplikasi yang akan diakses oleh banyak pengguna dan memiliki catatan data yang banyak.
Skala Penilaian
- Skala Likert
Poin dapat diberikan dari 1 hingga 5, dimana skor 5 untuk pernyataan “sangat suka” menunjukkan sepenuhnya setuju, sedangkan 1 adalah kebalikan dari “sangat tidak suka”. Skala yang biasa digunakan pada skala likert adalah 1 sampai 5 dimana setiap nilainya dapat diartikan sebagai berikut:
User Acceptence Test (UAT)
Sistem Pengujian
- Precision
- Mean absolute error (MAE)
- Blackbox Testing
Pengujian black box disebut juga behavioral testing, merupakan pengujian yang dilakukan untuk mengamati hasil masukan dan keluaran perangkat lunak tanpa mengetahui struktur kode perangkat lunak tersebut. Pengujian ini dilakukan pada akhir pengembangan perangkat lunak untuk mengetahui apakah perangkat lunak dapat berfungsi dengan baik.
Metode Pengembangan Sistem
- Rapid Application Development (RAD)
Pada tahap ini pengguna dan analis akan bertemu untuk mengidentifikasi tujuan dibangunnya suatu sistem, berupa interaksi yang dilakukan untuk memperoleh informasi sistem yang diinginkan. Pada tahap ini seluruh rancangan yang dibuat akan diimplementasikan ke dalam suatu sistem/aplikasi yang nantinya akan digunakan untuk memudahkan pengguna.
Metode Pengumpulan Data
- Studi Pustaka
- Observasi
- Kuesioner
Merupakan teknik pengumpulan data dari sejumlah besar orang atau responden dengan menggunakan serangkaian pertanyaan tertulis untuk dijawab. Kuesioner merupakan suatu teknik pengumpulan data yang dianggap efektif apabila peneliti mengetahui secara pasti variabel yang akan diukur dan mengetahui jawaban apa yang diharapkan dari responden.
Metode Sampling
- Startified Random Sampling
- Menentukan Ukuran Sampel (Sample Size)
Probability sampling merupakan teknik pengambilan sampel secara acak yang memberikan kesempatan yang sama kepada setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Non-probability sampling merupakan teknik pengambilan sampel yang tidak memberikan kesempatan yang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.
Studi Literatur Sejenis
Dalam penelitian yang dilakukan oleh (Tommy et al., 2020) menerapkan metode hybrid dengan menggabungkan pemfilteran berbasis konten &. Dan pada penelitian yang dilakukan oleh (Lubis et al., 2020), penerapan metode hybrid pada sistem rekomendasi wisata dengan teknik Feature Augmentation dengan tujuan untuk menutupi kekurangan sparsity data dengan menggunakan algoritma K-NN dan korelasi Pearson sebagai perhitungan kemiripan elemen, mampu menghasilkan nilai error pada content-based filtering dengan MAE sebesar 1,174 dan Collaborative Filtering dengan nilai MAE sebesar 0,376.
- Metode Pengumpulan Data
- Studi Pustaka
- Observasi
- Kuesioner
- Metode Pengambilan Sampel
- Stratified Random Sampling
- Populasi
- Sampel
- Data penelitian
- Metode Pengembangan Sistem
- Tahap Analisa Masalah
- Tahap Design System
- Tahap Implementasi
- Skenario Pengujian
- Kerangka Berpikir
Menurut (Riani S & Setyowati, 2014), jenis kulit secara umum terbagi menjadi 4 bagian yaitu normal, kering, berminyak dan sensitif. Untuk itu penulis membuat populasi untuk menentukan sampel yaitu populasi yang memiliki 4 jenis kulit tersebut. Dalam penelitian Sistem Rekomendasi Produk Perawatan Kulit, populasinya adalah pengguna perawatan kulit dengan beberapa jenis kulit berbeda.
Sampel pada penelitian ini dibagi menjadi beberapa kelompok yaitu kelompok dengan jenis kulit normal, kelompok dengan jenis kulit berminyak, kelompok dengan jenis kulit kering dan kelompok dengan jenis kulit sensitif. Dalam penelitian ini data yang penulis kumpulkan merupakan data yang akan penulis gunakan sebagai bahan implementasi sistem. Pada tahap ini penulis menganalisis kebutuhan data apa saja yang diperlukan pada sistem yang akan dibuat.
Tahap ini merancang tampilan sistem yang akan dibangun untuk menghubungkan pengguna dengan sistem.
Tahap Perencanaan Kebutuhan
- Analisis Masalah
- Analisis Kebutuhan Data
- Analisis Kebutuhan Sistem
Data pengguna diperoleh dari hasil perhitungan menggunakan metode sampling yang telah penulis jelaskan pada bab sebelumnya. Data produk perawatan kulit yang penulis ambil berasal dari observasi website tentang produk kecantikan dan perawatan kulit. Data yang diambil terdiri dari merek produk, nama produk, kategori produk, jenis kulit, harga produk, deskripsi produk dan foto produk.
Produk dan jenis kulit merupakan dua hal yang menjadi pertimbangan konsumen dalam memilih produk yang tepat. Untuk itu penulis mengambil kata kunci antar kategori dan jenis skin untuk dijadikan acuan perhitungan dalam mencari persamaan kata kunci. Data prediksi merupakan prediksi nilai suatu produk yang belum pernah direview oleh pengguna.
Data ini nantinya akan menjadi produk yang direkomendasikan kepada pengguna, diberi peringkat berdasarkan nilai prediksi tertinggi.
Tahap Design System
- Tahap Perancangan Proses
- Tahap Perancangan UML
- Tahap Perancangan Database
- Tahap Perancangan User Interface
Aktor dapat menggunakan deskripsi Use Case ini untuk melihat produk yang tersedia pada aplikasi. Jika pengguna sudah login, sistem akan menampilkan produk yang tersedia di aplikasi. Jika pengguna sudah menilai produk, maka sistem akan menampilkan hasil rekomendasi berdasarkan rating tersebut (direkomendasikan orang).
Sequence diagram digunakan untuk menggambarkan urutan kejadian dan waktu pesan yang terjadi antar objek dalam suatu use case.
Tahap Implementasi
- Implementasi
- Pengujian Sistem
Pada tahap ini akan dilakukan berbagai pengujian terhadap sistem untuk mengetahui apakah sistem yang dibuat dapat berfungsi dengan baik sesuai dengan kebutuhan pengguna. Perhitungan presisi dilakukan dengan menggunakan kedua metode yaitu Content Based Filtering dan Collaborative Filtering untuk menentukan nilai akurasi dari hasil rekomendasi. Sebelum melakukan perhitungan, peneliti melakukan pengujian dengan menggunakan User Acceptance Test (UAT) berupa penyebaran kuesioner kepada pengguna terdaftar, untuk mengetahui apakah rekomendasi yang diberikan sudah sesuai atau belum.
Dalam hal ini, data hasil rekomendasi diberikan kepada pengguna untuk memberikan umpan balik, terlepas dari apakah hasil yang diberikan cocok untuk pengguna atau tidak. Pengujian ini dilakukan hanya dengan menggunakan metode Collaborative Filtering untuk mengetahui perbedaan antara hasil penilaian prediksi sistem dengan penilaian awal berdasarkan (Persamaan 2.7). Perhitungan MAE dilakukan dengan menghitung selisih antara prediksi rating yang dihasilkan sistem dengan rating asli pengguna.
Semakin kecil nilai error rate pada MAE maka hasil rekomendasi yang diberikan akan semakin baik.
Hasil Implementasi
Tujuannya adalah untuk memastikan bahwa sistem yang digunakan oleh pengguna sudah sesuai dan dapat berfungsi dengan baik. Setelah pengguna berhasil login, pengguna dapat masuk ke halaman utama dengan menampilkan produk-produk pada aplikasi. Pengguna dapat melihat detail produk dengan mengklik salah satu produk yang ingin dilihat. Sistem kemudian menampilkan detail produk yang dilihat.
Halaman tampilan produk juga memungkinkan pengguna melihat hasil rekomendasi berdasarkan fitur serupa dari produk yang dilihat. Jika Pengguna tertarik dengan produk, Pengguna dapat memberikan ulasan tentang produk dengan mengklik “Tambahkan ulasan”.
Pengujian Hasil Rekomendasi
- Precision
- Mean Absolute Error (MAE)
- Blackbox testing
Pengujian metode ini dilakukan dengan melihat hasil rekomendasi setiap produk yang dipilih oleh pengguna. Pengujian metode ini dilakukan setelah pengguna mengevaluasi produk dan menerima hasil rekomendasi berupa prediksi nilai evaluasi. Pengujian selanjutnya adalah menghitung nilai tingkat kesalahan rekomendasi yang dihasilkan dengan menggunakan perhitungan MAE (Rumus Persamaan 2.7).
MAE dihitung dengan membandingkan prediksi hasil penilaian di sistem dengan penilaian asli yang dilakukan pengguna. Dari tabel hasil skenario di atas terlihat bahwa pada saat pengujian skenario dilakukan dengan 3 orang user diperoleh nilai rata-rata MAE sebesar 0,96. Tahap pengujian ini dilakukan untuk memastikan bahwa aplikasi berfungsi dengan baik dan dapat digunakan oleh pengguna.
Butir Uji Skenario Uji Hasil yang Diharapkan Status Data Pengguna Admin pilih menu Pengguna. Sistem akan menampilkan.
Kesimpulan
Terlihat semakin banyak rating yang diberikan pengguna, maka semakin banyak juga rekomendasi yang dihasilkan. Metode pemfilteran berbasis konten sangat berguna untuk memberikan rekomendasi kepada pengguna baru yang belum pernah menilai suatu artikel dan ingin menerima rekomendasi.
Saran
White Expert 2in1 Pembersih dan Toner Tidak Penting Scarlett Whitening Facial Wash Sesuai Rekomendasi Produk (Grape Seed Oil - Cold Pressed). White Expert 2in1 Cleanser dan Toner Memadai Scarlett Whitening Facial Wash Rekomendasi Produk Memadai (Wonderskin Ultimate Cream). Pembersih untuk kulit normal Rekomendasi produk yang sesuai (Ultra Sheer Dry -Touch Sunscreen SPF 50+).
White Expert 2in1 Cleanser & Toner Tidak relevan Scarlett Whitening Facial Wash Rekomendasi yang relevan untuk produk (Acne Clarifying Gel). White Expert 2in1 Cleanser & Toner Relevant Scarlett Whitening Facial Wash Rekomendasi yang relevan untuk produk (Less on Skin Calming Cica Dressing Mask). Acne Clarifying 2in1 Cleanser Tidak relevan Rekomendasi untuk produk (UV Shield Light Matte Sun Stick).
Minder over Skin Calming Cica Dressing Mask 4 3.25 Skin Clinic Mask_vita C (Verhelderend) 3 3.9 Green Barley Gommage Peeling Mask 5 3.42. Minder over Skin Calming Cica Dressing Mask 3 3.25 Skin Clinic Mask_vita C (Verhelderend) 3 3.9 Green Barley Gommage Peeling Mask 3 3.42.
