Sistem Rekomendasi Content Based Filtering Menggunakan Algoritma Apriori
Abstract
Pada saat ini perkembangan e-commerce di Indonesia telah banyak berkembang dan diterima dengan dengan baik di dalam masyarakat. Masyarakat Indonesia sangat terbuka dengan teknologi baru dan juga jumlah pemakai internet di Indonesia semakin meningkat pesat dari tahun ke tahun. Pada saat ini juga telah berdiri banyak sekali perusahaan e-commerce di Indonesia seperti Lazada, Tokopedia, OLX, Bukalapak, Blibli.com dan masih banyak lagi yang lainnya. Masing-masing perusahaan e-commerce tersebut memiliki berbagai macam strategi pemasaran dan bisnis untuk bersaing di pasar dan untuk menarik lebih banyak lagi pembeli di tokonya. Salah satu strategi yang bisa digunakan antara lain dengan penggunaan Sistem Rekomendasi. Penelitian ini menerapkan penggunaan sistem rekomendasi pada e-commerce dengan metode content-based filtering yaitu algoritma apriori yang dapat menganalisis pola-pola kombinasi item. Dengan adanya fitur sistem rekomendasi di dalam e-commerce diharapkan agar pembeli dapat dengan cepat menemukan barang yang dibutuhkan. Dengan strategi ini e-commerce akan dapat meningkatkan pelayanan dan kepuasan pada pelanggan, serta meningkatkan pendapatan pada e-commerce itu sendiri.References
Tessy Badriyah, Erry Tri Wijayanto, Iwan Syarif, Prima Kristalina. 2017. A Hybrid Recommendation System for e-Commerce based on Product Description and User Profile, Seventh International Conference on Innovative Computing Technology (INTECH), 2017, 16-18 Aug. 2017. p.95-100.
Fayyad, U., Piatetsky-Shapiro, G. & Smyth, P. 1996. Data Mining to Knowledge Discovery in Databases. AI Magazine, 17(3), 37-54.
Gorunescu, F. 2011. Data Mining: Concepts, Models, and Techniques. India: Springer.
Jiawei Han, Micheline Kamber, and Jian Pei. 2011. Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA.
Jonathan Lee Herlocker. 2000. Understanding and Improving Automated Collaborative Filtering Systems. Ph.D. Dissertation. University of Minnesota. Advisor(s) Joseph A. Konstan. AAI9983577.
Pasquale Lops , Marco De Gemmis , Giovanni Semeraro. 2011. Content-based recommender systems: State of the art and trends. Recommender Systems Handbook, pp. 73–105.
Michael J. Pazzani. 1999. A Framework for Collaborative, Content-Based and Demographic Filtering. Artif. Intell. Rev. 13, 5-6 (December 1999), 393-408.
Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl. 2001. Item-based collaborative filtering recommendation algorithms. In Proceedings of the 10th international conference on World Wide Web (WWW '01). ACM, New York, NY, USA, 285-295.
V. M. Robin, V. S. Maarten. 2000. Using Content-Based Filtering for Recommendation. University of Amsterdam, Roeterstraat.
W. Paik, S. Yilmazel, E. Brown, M. Poulin, S. Dubon, and C. Amice. 2001. Applying natural language processing (nlp) based metadata extraction to automatically acquire user preferences. Proceedings of the 1st international conference on Knowledge capture, pp. 116–122.
Y. AlMurtadha, M. N. Sulaiman, N. Mustapha, and N. I. Udzir. 2011. Improved web page recommender system based on web usage mining. Proceedings of the 3rd International Conference on Computing and Informatics (ICOCI), pp. 8–9.
Y. Seroussi. 2010. Utilising user texts to improve recommendations. User Modeling, Adaptation, and Personalization, pp. 403–406.
