SISTEM REKOMENDASI E-COMMERCE MENGGUNAKAN ALGORITMA K-MEDOID DAN FP-GROWTH

Sistem rekomendasi adalah salah satu teknik strategi pemasaran yang dapat diterapkan dalam bisnis untuk menghubungkan antar produk agar sesuai dengan pilihan pelanggan. Media pembelian online yang lazim menggunakan sistem rekomendasi adalah E-commerce. Kumpulan data transaksi e-commerce dapat dikelompokkan kedalam kelas-kelas tersendiri. Dengan pengelompokan maka setiap data di dalam masing-masing kelas memiliki jarak yang lebih kecil daripada dengan data di kelas lain. Alogritma yang digunakan untuk mengelompokkan data ke dalam satu kelas adalah K-medoid. Data dalam satu kelas dilakukan asosiasi dengan menggunakan algoritma FP-growth berdasarkan rule (aturan) untuk mendapatkan pola pembelian produk. Pola pembelian dapat dibangkitkan dari itemset yang terjadi di dalam keranjang belanja dengan menemukan produk-produk yang saling berkaitan. Pola pembelian diukur dengan menggunakan nilai ambang minimum_support dan minimum_confidence. Produk-produk yang memenuhi nilai ambang tersebut dijadikan sebagai produk rekomendasi. Berdasarkan pengujian terhadap 100 transaksi, 150 transaksi dan 300 transaksi diketahui bahwa minimum_support yang direkomendasikan dibawah 0,45 dan minimum_confidence yang direkomendasikan adalah 1.