Safitri, Marina (2017) Rancang Bangun Restful Web Service Pada Sistem Rekomendasi E-Commerce Berbasis Graf Neo4J Dengan Metode Collaborative Filtering (Studi Kasus: Forbento). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5213100090-Undergraduate_Theses.pdf - Published Version Download (6MB) | Preview |
Abstract
Tingginya potensi dan peluang yang menjanjikan dari bisnis online di Indonesia berdampak pada pemanfaatan open source e-commerce berbasis CMS yang semakin tinggi dengan keberagaman platform yang digunakan. Implementasi sistem rekomendasi menjadi hal yang penting dalam sebuah e-commerce untuk meningkatkan pelayanan bisnis. Namun tidak semua platform atau website penjualan pribadi yang digunakan menyediakan sistem rekomendasi. Diperlukan berbagai penyesuaian teknologi untuk menerapkan sistem rekomendasi pada sistem yang berbeda, selain itu sistem rekomendasi yang ada saat ini masih menggunakan representasi data dari relational database yang kurang efektif dalam menerjemahkan relasi antar data dan pemrosesan rekomendasi. Penelitian sebelumnya mampu menghasilkan rekomendasi yang lebih efektif & membuktikan pemrosesan yang lebih baik dengan menggunakan basis data graf serta memberikan hasil rekomendasi yang akurat dengan menggunakan metode collaborative filtering dalam membuat rekomendasi. Dalam peneltian ini, dilakukan pembangunan RESTful Web Service rekomendasi produk untuk e-commerce yang dibangun dengan teknologi Node.js dan basis data graf neo4j dengan menerapkan metode user-based collaborative filtering dalam menghasilkan rekomendasi. Dengan pengujian pada lingkungan klien woocommerce dan menggunakan data transaksi forbento, didapatkan ketepatan rekomendasi sebesar 85,8% dari 4 buah skenario dan 16 test case.
=========================================================================================
The highly potential and promising opportunities of online business in Indonesia impact on the utilization of CMS-based e-commerce that increasingly high with the diversity of platforms. Implementation of recommendation system becomes important in an e-commerce to improve business services. However, not all personal sales platforms or websites provide recommendation systems. Various technological adjustments are required to implement a recommendation system on each of the different systems, and the current recommendation system still uses a less effective data representation of relational databases in translating relationships between data and recommendation process.
There have been several studies to produce more effective and efficient recommendations that prove better processing by using graph databases. Other studies also provide accurate recommendation results by using collaborative filtering methods in making recommendations.
In this research, the RESTful Web Service product recommendation for e-commerce is developed which is is built with Node.js technology and neo4j graph database using collaborative filtering method in generating recommendations. By testing in the woocommerce client environment and using forbento transaction data, the recommendation accuracy was 85.8% out of 4 scenarios and 16 test cases.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Sistem Rekomendasi, Basis Data Graf, Neo4j, Collaborative Filtering |
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Marina Safitri . |
| Date Deposited: | 10 Aug 2017 07:06 |
| Last Modified: | 05 Mar 2019 04:28 |
| URI: | http://repository.its.ac.id/id/eprint/42743 |
Actions (login required)
 |
View Item |