vPERANCANGAN SISTEM REKOMENDASI PENDISTRIBUSIAN KAOS PADA INDUSTRI PAKAIAN JADI MENGGUNAKAN ITEM...
Click here to load reader
-
Upload
teknik-informatika-politeknik-tedc-bandung -
Category
Sales
-
view
260 -
download
1
Transcript of vPERANCANGAN SISTEM REKOMENDASI PENDISTRIBUSIAN KAOS PADA INDUSTRI PAKAIAN JADI MENGGUNAKAN ITEM...
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
263
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
PERANCANGAN SISTEM REKOMENDASI PENDISTRIBUSIAN
KAOS PADA INDUSTRI PAKAIAN JADI
MENGGUNAKAN ITEM BASED COLLABORATIVE FILTERING
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Jurusan Informatika Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Jenderal Achmad Yani
Jl. Terusan Jendral Sudirman, Cimahi 40533
[email protected], [email protected], [email protected]
Abstrak
Pakaian merupakan kebutuhan pokok bagi manusia.
Saat ini pakaian bukan hanya sebagai pelindung
tubuh, tetapi sebagai salah satu model dalam dunia
fashion. Dengan semakin meningkatnya pertumbuhan
penduduk, industri pakaian jadi pun mengalami
perkembangan yang pesat. Pemilihan media yang
tepat dan akurat dapat membuat pesan yang ingin
disampaikan dapat diterima, dimengerti, serta
menjangkau pelanggan sasaran. Terlebih jika iklan
disertakan dalam sebuah program yang digemari oleh
konsumen, maka dapat membangun tingkat
kesadaran konsumen akan merk produk dalam iklan
tersebut. Banyaknya data pendistribusian yang harus
dilakukan penyaringan untuk merekomendasikan
pendistribusian kaos, sehingga sulit menentukan data
pendistribusian mana yang paling tinggi untuk
dijadikan rekomendasi pendistribusian yang banyak
untuk diolah dengan sistem komputasi yang
menggunakan sebuah metode rekomendasi Item
Based Collaborative Filtering agar mendapatkan nilai
yang dekat dan akurat. Penelitian yang akan dibuat
adalah membangun suatu sistem rekomendasi produk
melalui rekomendasi menggunakan pembangkit
rekomendasi. Sistem yang diimplementasi dalam
perangkat lunak yang terintegrasi dengan sistem
rekomendasi dapat dimanfaatkan dalam
merekomendasikan cabang distro yang banyak
melakukan penjualan.
Kata kunci: pakaian; fashion; pendistribusian; Item
Based Collaborativ Filtering.
I. PENDAHULUAN
I.1 Latar Belakang Masalah
Pakaian merupakan kebutuhan pokok bagi
manusia. Saat ini pakaian bukan hanya sebagai
pelindung tubuh, tetapi sebagai salah satu model
dalam dunia fashion. Dengan semakin meningkatnya
pertumbuhan penduduk, industri pakaian jadi pun
mengalami perkembangan yang pesat. Industri
pakaian jadi merupakan industri yang keberadaannya
sudah relatif lama. Industri pakaian jadi dapat
dikatakan sebagai bisnis yang sangat menguntungkan
apabila pengusaha dapat mengikuti perkembangan
trend atau gaya pakaian jadi dan selalu menjaga
kualitasnya. Industri pakaian jadi di Indonesia
terhitung lebih tinggi dari perekonomian pada tahun
2015 yang mencapai 4,67% menurut MENPERIN
(SBA, 2016).
Secara umum industri fashion semakin
berkembang di Indonesia. Industri fashion
merupakan suatu kebutuhan bagi seluruh sosial
masyarakat (Susanto, 2014), (I Made Risma, 2013),
diimbangi dengan perkembangan teknologi mesin
kain yang semakin membuat keinginan untuk
memperindah tampilan. Salah satu kota di Indonesia
yang dapat dijadikan tolok ukur trend fashion adalah
Kota Bandung. Di Kota Bandung dapat ditemukan
banyak Factory Outlet (FO) dan Distribution Store
(Distro) yang banyak diminati anak muda, sehingga
keberadaan trend fashion di Kota Bandung akan
selalu mengikuti perkembangan zaman.
Distro atau distribution store merupakan
salah satu industri pakaian jadi terfavorit bagi
kalangan muda. Distro memiliki banyak model dan
rancangan yang dapat dipilih dan menjadi daya tarik
pembeli untuk berbelanja. Pembelian di Distro dapat
dilakukan dengan mudah, yaitu melalui media
komunikasi dan media online, namun pemesanan
melalui media online, konsumen seringkali tidak
mengetahui produk yang mana yang banyak terjual
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
264
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
dan tidak dapat melihat langsung model dari produk
tersebut (Susanto, 2014). Perusahaan fashion dengan
segala macam keunggulan produk yang ditawarkan
membuat perusahaan semakin sulit menghadapi
persaingan. Semakin banyaknya persaingan antara
perusahaan fashion secara tidak langsung dapat
mempengaruhi suatu perusahaan dalam
mempertahankan pangsa pasar. Strategi dan inovasi
pemasaran perusahaan akan memberikan pengaruh
pada persaingan bisnis yang ada. Dengan adanya
perubahan trend, perusahaan perlu bersikap dinamis
dalam mengikuti perubahan-perubahan yang terjadi
di sekitarnya. Tingkat persaingan yang cukup tinggi
juga terjadi ketika perusahaan memperkenalkan
produk dan menanamkan citra merk dagang
perusahaannya. Ini terbukti dengan semakin
banyaknya perusahaan sejenis yang memiliki merk
dagang yang hampir sama. Komunikasi yang efektif
sebaiknya dirancang melalui pemilihan media yang
tepat dan akurat. Pemilihan media yang tepat dan
akurat dapat membuat pesan yang ingin disampaikan
dapat diterima, dimengerti, serta menjangkau
pelanggan sasaran. Dalam membangun sebuah bisnis
harus mempunyai perancangan bisnis yang matang
dan memiliki sistem yang dapat menunjang semua
permasalahan pada persaingan pasar agar dapat
merekomendasikan sebuah produk yang sedang
diminati kalangan muda dengan mengunakkan
sebuah metode yang dapat meranking dan
merekomendasikan barang yang sedang popular yaitu
dengan menggunakan Metode Item Based
Collaborative Filtering. Penelitian lain menggunakan
Metode Item Based Collaborative Filtering yaitu
perancangan sistem rekomendasi pakaian distro
(Susanto, 2014), memberikan hasil yaitu memberikan
rekomendasi pakaian berdasarkan jumlah pembelian
dan diklasifikasikan menurut kategori produknya
masing-masing serta dapat membantu pelanggan
dalam memilih pakaian.
Penelitian yang akan dibuat adalah
merancang suatu sistem rekomendasi produk melalui
rekomendasi menggunakan pembangkit rekomendasi.
Sistem yang diimplementasi dalam perangkat lunak
yang terintegrasi dengan sistem rekomendasi dapat
dimanfaatkan dalam merekomendasikan cabang
distro yang banyak melakukan penjualan.
I.2 Rumusan Masalah
Banyaknya data pendistribusian yang harus
dilakukan penyaringan untuk merekomendasikan
pendistribusian kaos, sehingga sulit menentukan data
pendistribusian mana yang paling tinggi untuk
dijadikan rekomendasi pendistribusian yang banyak
untuk diolah dengan sistem komputasi.
I.3 Batasan Masalah
Batasan dari penelitian ini sebagai berikut:
a. Data yang digunakan data penjualan bulan Juni,
Juli, Agustus, September, Oktober, November
tahun 2015.
b. Distribusi 12 titik dari 40 titik.
c. Kategori kaos dibagi menjadi 5 kategori yaitu
reglan, long sleeve, kids, basic, standard dan
tidak mengambil data kaos perempuan.
I.4 Keluaran Penelitian
Keluaran dari penelitian adalah berupa
sebuah rancangan sistem yang dapat dijadikan bahan
implementasi sistem guna rekomendasi
pendistribusian mengenai pemilihan cabang yang
memiliki tingkat pendistribusian tinggi.
II. KAJIAN LITERATUR
II.1 Konsep Dasar Item Based Collaborative Filtering
Collaborative Filtering dapat berbentuk,
(a) model rekomendasi skalar yang terdiri atas
rekomendasi numerik seperti 1 sampai 5; (b) model
rekomendasi biner dengan memilih antara setuju atau
tidak setuju, atau dapat pula baik atau buruk; (c)
rekomendasi unary dapat mengindikasikan bahwa
pengguna telah mengobservasi atau membeli item
atau merekomendasi item dengan positif.
Rekomendasi dapat dikumpulkan secara eksplisit,
implisit, atau pun gabungan antara eksplisit dan
implisit. Rekomendasi eksplisit yaitu rekomendasi
yang didapatkan pada saat pelanggan/pengguna
diminta menyediakan opini terhadap item tertentu.
Rekomendasi implisit yaitu rekomendasi yang
didapatkan melalui aksi yang dilakukan pelanggan
(Agustina, 2012), (Badrul, 2001), (Kartini, 2015),
(Puspaningtyas, 2010).
II.2 Item Based Collaborative Filtering
Pemanfaatan sistem rekomendasi cerdas
menggunakan Metode Item Based Collaborative
Filtering untuk membantu pelanggan untuk membeli
produk yang belum dibeli sedangkan produk tersebut
banyak dibeli oleh pelanggan yang lainnya dan
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
265
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
memiliki rekomendasi tinggi yang sekiranya akan
membuat pelanggan yang belum membeli produk
tersebut tertarik untuk membelinya. Item-Based
Collaborative Filtering merupakan metode
rekomendasi yang didasari atas adanya kesamaan
antara pemberian rekomendasi terhadap suatu produk
dengan produk yang dibeli (Susanto, 2014).
Pembangkitan rekomendasi akan dihitung dengan
formula (Shofwatul 'Uyun, Imam Fahrurrozi, & Agus
Mulyanto, 2011), lihat pada rumus 1.
R=( )/C…………………(1)
Keterangan:
R : Rekomendasi
B : Nilai pembelian produk (1 jika
membeli & 0 jika tidak
membeli).
Rating : Jumlah rating yang diberikan
oleh pelanggan ke produk yang
disukai.
100 : Nilai maksimum 100, nilai
rekomendasi tertinggi adalah
100.
Max : Nilai maksimum ranking bernilai
5
MaxB : Nilai maksimum pembelian yang
dilakukan oleh pelanggan, jika
pelanggan membeli lebih dari
satu produk, dalam formula ini
tetap akan dihitung membeli satu
produk.
C : Jumlah pengguna yang
mempunyai pola pembelian atau
rekomendasi yang sama dengan
pelanggan yang login pada
sistem.
Pembentukan pembangkit rekomendasi dapat
dilihat seperti pada Tabel 1.
Tabel 1 Pembangkit Rekomendasi
HRM01-HRM05= Kode produk pada HRTY
MERCH.
1. P1-P5 = Id Pelanggan yang telah terdaftar.
2. Angka 1 dan 0 = 1 jika pelanggan tersebut
membeli produk HRTY MERCH,
dan 0 jika tidak melakukan pembelian
produk HRTY MERCH.
3. Angka Pangkat (1-5) = ranking produk yang
sudah diberikan oleh pelanggan.
4. Skala Ranking = 1 (sangat tidak menarik), 2
(tidak menarik), 3 (cukup menarik), 4
(menarik), dan 5 (sangat menarik).
5. Jika pelanggan dengan kode P1 login dan
melakukan pembelian atau rekomendasi
pada sistem maka perhitungan pembangkit
rekomendasi adalah sebagai berikut:
Jadi rekomendasi produk untuk pelanggan P1
akan ditunjukkan pada Tabel 2.
Tabel 2 Hasil Rekomendasi
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
266
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
Namun dilihat dari data pembelian produk
pelanggan P1 sudah membeli produk dengan kode
HRM01 dan HRM03 sehingga sistem akan
merekomendasikan produk seperti pada Tabel 3.
Tabel 3 Rekomendasi Produk
III. ANALISIS DAN PERANCANGAN
III.1 Analisis Sistem Berjalan
Distro atau distribution store merupakan
salah satu industri pakaian jadi terfavorit bagi
kalangan muda. Distro memiliki banyak model dan
desain yang dapat dipilih dan menjadi daya tarik
pembeli untuk berbelanja. Pembelian di Distro dapat
dilakukan dengan mudah, yaitu melalui media
komunikasi dan media online, tetapi pemesanan
melalui media online, konsumen seringkali tidak
mengetahui produk yang mana yang banyak terjual
dan tidak dapat melihat langsung model dari produk
tersebut. Dalam membangun sebuah bisnis harus
mempunyai perancangan bisnis yang matang dan
memiliki sistem yang dapat menunjang semua
permasalahan pada persaingan pasar agar dapat
merekomendasikan sebuah produk yang sedang
diminati kalangan muda dengan menggunakan
sebuah metode yang dapat meranking dan
merekomendasikan barang yang sedang popular yaitu
dengan menggunakan Metode Item Based
Collaborative Filtering. Penelitian lain menggunakan
Metode Item Based Collaborative Filtering yaitu
perancangan sistem rekomendasi pakaian distro,
memberikan hasil yaitu memberikan rekomendasi
pakaian berdasarkan jumlah pembelian dan
diklasifikasikan menurut kategori produknya masing-
masing serta dapat membantu pelanggan dalam
memilih pakaian.
III.2 Metode Penelitian
Pada tahapan ini dilakukan proses masukkan
yaitu data latih yang terdiri dari tipe_kaos,
tipe_bahan, nama_barang, kode_barang, ukuran,
jumlah, dan warna akan diproses dengan cara dibuat
pembangkit rekomendasi kemudian akan dihitung
menggunakan sebuah metode yang tepat setelah
dilakukan perhitungan dengan metode tersebut data
akan diuji dengan masukan data uji lalu akan dibuat
pembangkit rekomendasi dan diuji oleh Metode Item
Based Collaborative Filtering kemudian data uji
tersebut akan dimasukkan kedalam database hasil
pembangkit dan akan menghasilkan output sebuah
rekomendasi yang akurat seperti tipe_kaos, ukuran,
cabang, dan warna, dapat dilihat seperti pada Gambar
1.
Gambar 1 Diagram alir sistem rekomendasi
Dalam penelitian ini data masukan yang akan diolah
adalah data penjualan setiap bulannya yang memiliki
atribut yaitu tipe-kaos, tipe_bahan, nama_barang,
kode_barang, ukuran, jumlah, dan warna seperti
Gambar 2.
Gambar 2 Data masukan
Setelah data masukan diproses menggunakan Metode
Item Based Collaborative Filtering data yang akan
dikeluarkan berupa rekomendasi yang akurat, seperti
Gambar 3.
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
267
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
Gambar 3 Hasil rekomendasi
III.3 Perancangan Sistem
Perancangan untuk sistem yang akan dibuat
pada penelitian ini dengan menggunakan Usecase
Diagram, Sequence Diagram dan Class Diagram.
Usecase Diagram untuk sistem rekomendasi
pendistribusian kaos dapat dilihat pada Gambar 4.
Gambar 4 Usecase Diagram sistem rekomendasi
Sequence Diagram menggambarkan
interaksi antara sejumlah obyek dalam urutan waktu
setiap rangkaian pesan yang dikirim dimulai dari satu
obyek ke obyek lainnya pada titik tertentu setiap
eksekusi sistem. Salah satu Sequence Diagram yang
dibuat untuk sistem rekomendasi ini dapat dilihat
pada Gambar 5.
Gambar 5 Sequence Diagram Pendistribusian
Class Diagram adalah diagram yang
menggambarkan class-class yang bekerja pada
sistem. Terdapat beberapa class yang saling
terhubung dan berkaitan pada Perancangan Sistem
Rekomendasi Pendistribusian Kaos Menggunakan
Item Based Collaborative Filtering, dapat dilihat pada
Gambar 6.
Gambar 6 Class Diagram sistem
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
268
ISSN : 2503-2844
Intan Melianita1, Wina Witanti2, Faiza Renaldi3
Seminar Nasional Telekomunikasi dan Informatika 2016
IV. KESIMPULAN
Berdasarkan pada hasil penelitian yang telah
dilakukan dapat disimpulkan bahwa:
1. Analisis dan perancangan yang telah dibuat akan
memudahkan dalam implementasi untuk sistem
yang akan dibangun untuk merekomendasikan
cabang dan hasil penjualan setiap cabang.
2. Sistem rekomendasi yang dikembangkan akan
menggunakan Metode Item Based Collaborative
Filtering dalam memberikan rekomendasi
cabang berdasarkan jumlah penjualan dan
diklasifikasikan menurut kategori produknya
masing-masing serta dapat membantu
perusahaan untuk melakukan pendistribusian.
REFERENSI
Kartini. (2015). Aplikasi Strategi Diferensiasi Produk
Pakaian Jadi dalam Menghadapi Masyarakat
Ekonomi ASEAN (MEA) 2015 Medan
Badrul. (2001). Item Based Collaborative Filtering
Recommendation Algorithms 2001
Puspaningtyas. (2010). Pengaruh Tingkat Upah,
Tenaga Kerja dan Model Kerja terhadap
Produksi Industri Pakaian Jadi Tekstil (Studi
Kasus di Kota Denpasar) 2013 E-Jurnal
Ekonomi Pembangunan Unud Vol:27393-
400
Susanto. (2014). Perancangan Sistem Rekomendasi
Pakaian Distro Menggunakan Item
Collaborative Filtering (Studi Kasus: The
Jungle Distro Medan) 2014 Pelita
Informatika Budi Darma Vol: VI558-62
Agustina. (2012). Ragam Budaya Fashion Tanah Air
yang Mengantarkan Indonesia Menembus
Pasar International 2012 Jurnal
TransBORDERI 12149-160
Sistem Rekomendasi Paket Wisata Se-Malang Raya
Menggunakan Metode Hybrid Content
Based dan Collaborative 2015 Ilmiah
Teknologi dan Informasi ASIA91
Shofwatul 'Uyun Imam Fahrurrozi Agus Mulyanto.
(2011) Item Collaborative Filtering untuk
Rekomendasi Pembelian Buku secara
Online Vol:1763-70
Sistem Rekomendasi Nilai Matakuliah Menggunakan
Metode Content-Based Filtering 2010
Seminar Nasional Informatika 2010
(Seminar IF 2010) ISSN: 1979-2328