Detail Cantuman

Saat pertama mengunjungi e-commerce, customer sering mengalami kesulitan karena memiliki data mengenai produk, pembeli, dan transaksi yang sangat banyak, sehingga menyebabkan customer mengalami tidak jarang kebingungan untuk mencari produk tertentu. Sistem rekomendasi secara otomatis dapat mengalisis penggunaan data calon pembeli untuk menyaring konten halaman web, mengkategorisasi pesan newsgroup, dan merekomendasikan informasi. Sistem rekomendasi menganalisis data menganai produk atau interaksi pengguna dan produk untuk menemukan hubungan antara produk dan pengguna. Konsep sistem rekomendasi telah digunakan oleh berbagai bisnis online seperti amazon.com sebagai alat bisnis. Sistem rekomendasi dilaporkan telah meningkatkan penjualan produk dan membangun loyalitas pembeli, namun seiring dengan penggunaanya secara luas ditemukan beberapa permasalahan pada sistem rekomendasi, yaitu seperti sparsity. Sebagai solusi dari masalah tersebut adalah memakai metode item-based collaborative filtering, salah satu algoritma yang mendukung dalam penerapan metode item-based collaborative filtering tersebut adalah K-Nearest Neighbor (KNN) yang memiliki nilai RMSE 1,270 lebih baik dari model SVD dan model SlopeOne. Algoritma KNN digunakan untuk menemukan Top-N produk yang akan direkomendasikan kepada customer.