Aplikasi E-Commerce dengan Sistem Rekomendasi Berbasis Collaborative Filtering pada Toko Komputer Ekaria

Aplikasi E-Commerce dengan Sistem Rekomendasi Berbasis Collaborative Filtering pada Toko Komputer Ekaria Meliana Christianti, Christian Hadiguna Jurusan S1 Teknik Informatika Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri no 65, Bandung 40164 email: [email protected], [email protected] Abstract The rapid development of technology has a very important role especially in the business world. Today, all transaction can be done by online, including sales transactions. With the e-commerce, sales become easier to perform, the range of market target become wider, and greater revenue. With so many competitors, Customer Relationship Management is required to keep customer loyal and get greater revenue. One example of CRM is a recommendation system. Recommendation system can perform right promotions to customer and customer will be convenient to shopping. Keywords: e-commerce, customer relationship management, recommendation system

1. Pendahuluan Dewasa ini, perkembangan teknologi mengalami kemajuan yang sangat pesat dan memiliki peranan yang sangat penting khususnya dalam dunia bisnis. Para pelaku bisnis dapat melakukan transaksi secara online melalui media internet kapan pun dan dimana pun dengan orang-orang di seluruh dunia, sehingga dapat menghemat waktu dan biaya. Toko Komputer Ekaria adalah sebuah toko komputer di Cianjur yang menjual computer baik desktop maupun notebook dan aksesoris computer. Toko Komputer Ekaria memiliki pelanggan baik dari Cianjur maupun dari luar Cianjur seperti Bandung dan Jakarta. Toko Komputer Ekaria sampai saat ini masih melakukan transaksi secara umum dimana pelanggan harus datang ke toko untuk melihat produk yang dijual dan melakukan transaksi di tempat. Hal tersebut akan memakan waktu dan biaya untuk pelanggan dari luar Cianjur. Selain itu, tingginya persaingan dalam bisnis penjualan komputer mendorong Toko Komputer Ekaria untuk memperluas pangsa pasar. Berikut ini merupakan pertanyaan penelitian yang menjadi rumusan masalah dalam pembuatan aplikasi di Toko Komputer Ekaria : 1. Bagaimana mengelola data pelanggan yang terdaftar dalam aplikasi ecommerce? 2.

Bagaimana mengelola data produk yang dijual dan menampilkannya dalam katalog yang tersusun rapi dan dikelompokkan dalam beberapa kategori sehingga pelanggan dapat mencari produk yang diinginkan dengan nyaman? 157

Jurnal Informatika, Vol. 7, No.2, Desember 2011: 157 - 175

3.

Bagaimana sistem dapat menganalisis profil pelanggan sehingga dapat mempromosikan produk yang tepat kepada pelanggan?

4.

Bagaimana sistem dapat membuat laporan hasil penjualan, keuntungan yang didapat dan menganalisis tingkat laku atau tidaknya suatu produk yang dijual?

Untuk mengatasi permasalahan-permasalahan di atas, maka dibutuhkan suatu aplikasi e-commerce sehingga pelanggan dapat melakukan pembelanjaan secara online tanpa harus datang ke toko sehingga dapat menghemat waktu dan biaya. Dengan e-commerce, secara otomatis pangsa pasar penjualan komputer menjadi lebih luas karena dapat diakses oleh semua orang. 2. Collaborative Filtering Rekomendasi collaborative filtering adalah teknik yang paling banyak digunakan pada sistem rekomendasi. Seperti namanya, collaborative filtering bekerja dengan cara menjumlahkan rating atau pilihan dari suatu produk, menemukan profil / pola pengguna dengan melihat history rating yang diberikan pengguna, dan menghasilkan suatu rekomendasi baru berdasarkan perbandingan antar pola pengguna. Biasanya nilai rating dapat berupa binary (suka/tidak suka) atau voting. (Xu dkk, 2010:169-170) 2.1. User Based Collaborative Filtering Prinsip dasar dari user-based collaborative filtering adalah memberikan rekomendasi berdasarkan opini pengguna lain yang memiliki kesukaan yang sama dengan pengguna. 2.2. Item Based Collaborative Filtering Prinsip dasar dari algoritma ini adalah menghitung tingkat kesamaan antara beberapa produk yang berbeda berdasarkan penilaian pengguna. Contoh perhitungan rekomendasi dengan Collaborative Filtering akan dijelaskan dengan contoh kasus sebagai berikut. E-commerce Ekaria memiliki 7 orang pelanggan, yaitu Alvin, Joel, Mara, Derek, Iliana, Amery, dan Julie. Toko tersebut menjual 6 produk, yaitu: Notebook, Netbook, Motherboard, Processor, VGA, dan HDD. Tabel I menunjukkan contoh rating berdasarkan transaksi penjualan yang terjadi. Nilai 1 menunjukkan pelanggan hanya melihat produk dan nilai 2 menunjukkan pelanggan membeli produk tersebut. Sistem akan memberikan rekomendasi produk untuk Alvin. Tabel I Contoh Pemberian Rating

158

Pelanggan

Produk

Nilai

Alvin

Notebook

1

Aplikasi E-Commerce dengan Sistem Rekomendasi Berbasis Collaborative Filtering pada Toko Komputer Ekaria (Meliana Christianti, Christian Hadiguna)

Pelanggan

Joel

Produk

Nilai

Netbook

1

VGA

2

Notebook

2

Netbook

2

Motherboard

2

Processor

2

HDD

2

Notebook

1

Netbook

1

VGA

2

HDD

2

Processor

1

VGA

1

HDD

2

Notebook

2

Netbook

2

Motherboard

2

Processor

2

VGA

1

HDD

1

Notebook

2

Netbook

2

Motherboard

2

VGA

2

Notebook

2

Mara

Derek

Iliana

Amery

Julie

159


Pelanggan

Produk

Nilai

Netbook

1

Motherboard

1

VGA

2

HDD

2

Perhitungan pertama yang dilakukan adalah menghitung similarity (Sim)atau tingkat kesamaan antara Alvin dengan pelanggan lain. Hitung distance (Dis) untuk setiap produk yang sama dengan produk Alvin dengan Dis = (nilaiprodukperson – nilaiprodukotherperson)2 Dimana: nilaiprodukperson = nilai dari produk orang yang akan diberikan rekomendasi nilaiprodukotherperson = nilai dari produk orang yang akan dibandingkan. Dis dari setiap produk yang sama akan dijumlahkan untuk menghitung SIm dengan menggunakan Simotherperson = 1 / ( 1 + jumlah Dis ) Contoh perhitungan Sim untuk setiap produk antara Alvin dan Joel: 1. Perhitungan Dis untuk produk notebook Dis1 = (1 - 2)2 = (-1)2 = 1 2. Perhitungan Dis untuk produk netbook Dis2 = (1 - 2)2 = (-1)2 = 1 3. Perhitungan Sim(Joel) Sim(Joel)= 1 / ( 1 + jumlah Dis ) = 1 / ( 1 + 1 + 1 ) = 1 / 3 = 0.333 Lakukan perhitungan Sim untuk semua pelanggan kecuali Alvin. Berikut ini adalah hasil perhitungan Sim untuk semua pelanggan terhadap Alvin. Sim(Joel) = 1 / (1 + ((1-2)2 + (1-2)2))= 1/3 = 0.333 Sim(Mara) = 1 / (1 + ((1-1)2 + (1-1)2 + (2-2)2)) = 1/1 = 1 Sim(Derek) = 1 / (1 + ((2-1)2)) = ½ = 0.5 Sim(Iliana) = 1 / (1 + ((1-2)2 + (1-2)2 + (2-1)2)) = ¼ = 0.25 Sim(Amery) = 1 / (1 + ((1-2)2 + (1-2)2 + (2-2)2)) = 1/3 = 0.333 Sim(Julie) = 1 / (1 + ((1-2)2 + (1-1)2 + (2-2)2)) = ½ = 0.5 Perhitungan selanjutnya adalah menghitung tingkat rekomendasi untuk setiap produk yang belum pernah dilihat atau dibeli oleh Alvin. Penghitungan dapat dilakukan dengan Rekomendasi = ∑(Sim x NilaiProduk) / ∑SIm Untuk mempermudah penghitungan dapat menggunakan table seperti pada Tabel II. Terdapat 3 buah produk yang akan ditawarkan kepada Alvin yaitu,

160


Motherboard(MB), Processor(Proc), dan HDD. Total adalah jumlah dari perhitungan Sim x NilaiProduk untuk semua pelanggan. Sim Sum adalah jumlah Sim dari pelanggan dengan produk yang memiliki nilai. Tabel II Perhitungan Rekomendasi

Sim

MB

Sim x MB

Proc

Sim x Proc

HDD

Sim x HDD

Joel

0.33

2

0.66

2

0.66

2

0.66

Mara

1

-

-

-

-

2

2

Derek

0.5

-

-

1

0.5

2

1

Iliana

0.25

2

0.5

2

0.5

1

0.25

Amery

0.33

2

0.66

-

-

-

-

Julie

0.5

1

0.5

-

-

2

1

Pelanggan

Total

2.34

1.66

4.91

Sim Sum

1.41

1.08

2.58

Total./ Sim Sum

1.66

1.54

1.90

Dari Tabel II didapatkan nilai rekomendasi dari setiap produk untuk Alvin. Motherboard memiliki nilai 1.66, Processor memiliki nilai 1.54, dan HDD memiliki nilai 1.90. Produk dengan nilai rekomendasi tertinggi akan lebih diutamakan untuk ditawarkan kepada Alvin. 3. Customer Relationship Management Customer Relationship Management (CRM) adalah infrastruktur yang memungkinkan penggambaran dan peningkatan nilai pelanggan dengan memotivasi pelanggan yang berharga untuk tetap setia dan membeli lagi. CRM tidak hanya sekedar menangani pelanggan dan mengawasi tingkah laku mereka, tetapi CRM memiliki kemampuan untuk mengubah relasi antara pelanggan dengan perusahaan dan meningkatkan pendapatan dalam penjualan. (Dyche, 2004:4). CRM dapat meningkatkan penjualan dengan mengimplementasikan rekomendasi produk. Rekomendasi produk yang paling popular adalah up-selling dan crossselling. Up-selling adalah strategi menawarkan pelanggan sebuah upgrade atau sesuatu yang lebih berdasarkan apa yang pelanggan ingin beli. Contoh up-selling adalah saat membeli French fries ukuran medium di McDonald’s, pelayan McDonald’s akan menawarkan yang ukuran besar.

161


Cross-selling adalah suatu usaha untuk menawarkan produk lain yang berhubungan dengan produk yang dibeli. Cross-selling dapat dianalogikan saat membeli hamburger di McDonald’s, pelayan akan menawarkan French fries karena biasanya pelanggan yang memesan burger juga akan memesan French fries. (Darie, 2008:461) 4. Entity Relationship Diagram Entity Relationship Diagram pada aplikasi ini terdiri dari beberapa entitas, antara lain user, distributor, pelanggan, produk, manufacturer, kategori, pembelian_master, pembelian_detail, penjualan_master, penjualan_detail, rating, kartu_stok, spesifikasi, akun, jurnal_master, dan jurnal_detail. Entity Relationship Diagram dapat dilihat pada Gambar 1.

162


Gambar 15 Entity Relationship Diagram

163


5. Data Flow Diagram Data flow diagram adalah teknik grafis yang menggambarkan aliran dan perubahan data dari input menjadi output. (Pressman, 1997:309) 5.1. DFD Level 0 DFD level 0 menggambarkan proses yang terdapat pada aplikasi secara garis besar. Aplikasi ini dapat diakses oleh admin, staf, dan pelanggan. DFD level 0 dapat dilihat pada Gambar 2.

Gambar 16 DFD Level 0

5.2. DFD Level 1 Pada aplikasi ini, DFD level 1 dibagi menjadi 2 proses yaitu aplikasi E-commerce dan aplikasi penjualan pembelian desktop. Aplikasi e-commerce dapat diakses oleh pelanggan dan aplikasi desktop dapat diakses oleh admin dan staf. DFD level 1 dapat dilihat pada Gambar 3.

164


Gambar 17 DFD Level 1

5.3. DFD Level 2 Proses 1 DFD level 2 proses 1 menceritakan proses-proses yang terjadi di aplikasi Ecommerce. Aplikasi ini dapat diakses oleh pelanggan yang ingin berbelanja di ecommerce Ekaria. Proses-proses yang terdapat pada DFD level 2 proses 1 yaitu proses login, pengolahan data member, pengolahan data produk, dan pengolahan data belanja. DFD level 2 proses 1 dapat dilihat pada Gambar 4.

165


Gambar 18 DFD Level 2 Proses 1

Keterangan paket data pada Gambar 4: Pelanggan = id_pelanggan, nama_depan, nama_belakang, email, tgl_lahir, alamat, kota, kodepos, no_telp, status, auto_email Produk = id_produk, nama_produk, harga, harga_awal, deskripsi, gambar stok, status, id_kategori, id_manufacturer, tgl-input, view_count, buy_count

166


Spesifikasi = no, id_produk, processor, memory, harddisk, optical_drive, display, graphic_controller, battery, os Kategori = id_kategori, nama_kategori, lft, rgt Penjualan_Master = no_so, tgl_so, subtotal, no_delivery, no_billing, tgl_kirim, paket_pengiriman, biaya_kirim, tgl_pembayaran, status_pembayaran, id_pelanggan Penjualan_Detail = no_so, no, id_produk, jumlah, harga Jurnal_Master = no_jurnal, tgl_jurnal, keterangan, jenis_jurnal, no_transaksi Jurnal_Detail = no, no_jurnal, kode_akun, debet, kredit Kartu_Stok = no, tgl_masuk, id_produk, keterangan, banyak, harga, sisa Ongkir = id_kota, nama_kota, jne_yes, jne_reg, jne_ok 5.4. DFD Level 2 Proses 2 DFD level 2 proses 2 menceritakan proses-proses yang terjadi di aplikasi penjualan pembelian desktop. DFD level 2 proses 2 memiliki 3 proses yang dapat diakses oleh admin dan staf, yaitu proses login, pengolahan data pembelian, dan pengolahan data penjualan. Dua proses lain yang hanya dapat diakses oleh admin, yaitu proses pengolahan master data dan pengolahan akuntansi. DFD level 2 proses 1 dapat dilihat pada Gambar 5

167


Gambar 19 DFD Level 2 Proses 2

Keterangan paket data pada Gambar 5: User = username, nama, email, password, no_telp Distributor = id_distributor, nama_distributor, alamat, kota, no_telp Pelanggan = id_pelanggan, nama_depan, nama_belakang, email, tgl_lahir, alamat, kota, kodepos, no_telp, status, auto_email Produk = id_produk, nama_produk, harga, harga_awal, deskripsi, gambar stok, status, id_kategori, id_manufacturer, tgl-input, view_count, buy_count

168


Spesifikasi = no, id_produk, processor, memory, harddisk, optical_drive, display, graphic_controller, battery, os Kategori = id_kategori, nama_kategori, lft, rgt Manufacturer = id_manufacturer, nama_manufacturer, website, logo Pembelian_Master = no-po, tgl_po, total, jml_pembayaran, status_pembayaran, id_distributor, good_receipt, no_invoice Pembelian_Detail = no_po, no, id_produk, jumlah, harga Penjualan_Master = no_so, tgl_so, subtotal, no_delivery, no_billing, tgl_kirim, paket_pengiriman, biaya_kirim, tgl_pembayaran, status_pembayaran, id_pelanggan Penjualan_Detail = no_so, no, id_produk, jumlah, harga Akun = kode_akun, nama_akun, jenis_akun, saldo_awal Jurnal_Master = no_jurnal, tgl_jurnal, keterangan, jenis_jurnal, no_transaksi Jurnal_Detail = no, no_jurnal, kode_akun, debet, kredit Kartu_Stok = no, tgl_masuk, id_produk, keterangan, banyak, harga, sisa Rating = id_pelanggan, id_produk, nilai 6. Hasil Penelitian 6.1. Home dan rekomendasi Produk Saat aplikasi e-commerce pertama kali dibuka akan muncul halaman Home. Halaman Home dibagi menjadi dua, yaitu untuk Guest (sebelum login) dan untuk member (setelah login). Halaman Home untuk Guest memiliki dua menu navigasi, yaitu Home dan About Us. Menu Home untuk menampilkan halaman Home dan About Us untuk menampilkan profil dari Toko Komputer Ekaria. Pada bagian pojok kanan atas, terdapat link login, register, dan help. Login digunakan untuk melakukan login ke dalam aplikasi sebagai member, Register digunakan untuk mendaftar sebagai member, dan Help digunakan untuk memunculkan bantuan. Pelanggan dapat melihat detail produk dengan menekan tombol Detail pada setiap produk yang ditampilkan Pelanggan yang telah login memiliki tambahan tombol Add to Cart pada setiap produk yang ditampilkan untuk memasukkan produk ke dalam shopping cart. Pada halaman home terdapat kolom penawaran penjualan produk terlaris dan penawaran rekomendasi produk. Penawaran produk terlaris dapat dilihat pada halaman Home baik sebelum maupun setelah login. Produk terlaris akan menawarkan 5 produk dengan jumlah penjualan terbanyak dalam bulan tersebut. Tampilan Home dapat dilihat pada Gambar 6.

169


Gambar 20 Halaman Home

Penawaran rekomendasi produk hanya dapat dilihat setelah pelanggan melakukan login. Penawaran yang diberikan akan spesifik untuk setiap pelanggan berdasarkan history belanja yang pernah dilakukan oleh pelanggan. Perhitungan rekomendasi dilakukan dengan menggunakan Collaborative Filtering User Based. Tampilan penawaran rekomendasi produk dapat dilihat pada Gambar 7

Gambar 21 Rekomendasi Produk

6.2. Detail Produk dan Penawaran Produk Lain

170


Pada halaman detail produk akan ditampilkan nama produk, deskripsi, gambar yang akan berganti setiap beberapa saat (slide show), harga, spesifikasi produk, dan penawaran produk lain yang berhubungan dengan produk yang sedang dilihat. Produk lain yang berhubungan dengan produk yang sedang dilihat akan ditawarkan berdasarkan produk lain yang pernah dibeli bersamaan dengan produk yang sedang dilihat. Perhitungan penawaran produk lain dilakukan dengan menggunakan Collaborative Filtering Item Based. Pelanggan dapat memasukkan produk yang sedang dilihat ke dalam shopping cart dengan menekan tombol Add to Cart. Pelanggan juga dapat memasukkan produk yang sedang dilihat ke dalam shopping cart bersamaan dengan produk lain yang ditawarkan dengan memilih checkbox pada produk yang ditawarkan kemudian menekan tombol Add All Items to Cart. Apabila member sudah login ke dalam aplikasi, sistem akan memberikan rekomendasi produk lain yang pelanggan beli bersama dengan produk yang sedang dilihat. Halaman detail produk beserta dengan rekomendasi produk lain dapat dilihat pada Gambar 8.

171


Gambar 22 Detail Produk dan Penawaran Produk Lain

6.3. Shopping Cart Pelanggan dapat menambah produk yang akan dibeli ke dalam shopping cart dengan mengklik tombol “Add to Cart”. Kemudian akan tampil halaman penambahan produk ke dalam shopping cart. Pelanggan dapat mengganti jumlah produk yang akan dimasukkan ke dalam shopping cart. Halaman tambah produk ke dalam shopping cart dapat dilihat pada Gambar 9.

172


Gambar 23 Tambah Produk ke Dalam Shopping Cart

Setalah memasukkan produk ke dalam shopping cart, pelanggan dapat melihat isi dari shopping cart dengan memilih menu shopping cart atau setelah menambah produk ke shopping cart akan otomatis di-redirect ke halaman ini. Di halaman ini, pelanggan dapat menghapus produk yang terdapat dalam shopping cart atau mengganti jumlah produk yang akan dibeli. Pelanggan dapat melakukan menyelesaikan proses belanja dengan menekan tombol “Check Out”. Tampilan halaman shopping cart dapat dilihat pada Gambar 10.

Gambar 24 Shopping Cart

7. Simpulan

173


Simpulan yang dapat diambil dari pembuatan aplikasi E-commerce Ekaria adalah: 1. Data pelanggan dapat dikelola dengan baik. Pelanggan yang terdaftar harus mengaktifkan status keanggotaannya untuk dapat melakukan pembelanjaan online. Dengan demikian tidak terjadi penyalahgunaan email oleh orang lain. Selain itu, pelanggan dapat mengubah sendiri data dirinya yang tersimpan dalam aplikasi. 2. Data produk ditampilkan dalam kolom-kolom yang tersusun rapi dan dibagi ke dalam beberapa kategori. Dengan adanya fitur pencarian, pelanggan dapat semakin nyaman dalam mmencari produk yang diinginkan. 3. Semua history pembelian pelanggan disimpan dalam database sebagai bahan penghitungan system rekomendasi agar dapat mempromosikan produk yang tepat kepada setiap pelanggan. 4. Pengguna dapat membuat laporan penjualan melalui menu laporan pada bagian penjualan. Hasil penjualan setiap produk ditampilkan dalam grafik untuk mempermudah pengguna melihat laporan penjualan. 5. Dengan aplikasi penjualan pembelian desktop, stok barang akan dapat terkontrol dengan baik, karena transaksi tidak hanya terjadi secara online, tetapi ada juga yang melakukan transaksi di took. Sehingga dengan semua data transaksi tersimpan dalam satu database terpusat dan dengan demikian secara otomatis stok akan terkontrol dengan baik. 6. Dengan fitur akuntansi, laporan data keuangan took dapat terkelola dengan baik.

8. Saran

Setelah menyelesaikan pembuatan aplikasi E-commerce toko computer Ekaria, aplikasi ini masih dapat dikembangkan menjadi lebih baik. Berikut ini adalah pengembangan yang dapat dilakukan untuk aplikasi ini: 1. Aplikasi ini dapat diakses secara mobile. 2. Pembayaran dapat dilakukan melalui paypal atau kartu kredit. 3. Penggunaan algoritma rekomendasi yang lebih efektif dan akurat daripada Collaborative Filtering.

9. Daftar Pustaka Alam, M. Agus. J. (2005). MySQL Server Versi 5 dan Aplikasinya dalam Visual Basic 6 dan Delphi. Jakarta: Elex Media Komputindo. Darie, Cristian, Balanescu, Emilian. (2008). Beginning PHP and MySQL E-commerce: From Novice to Professional (2nd ed.). California : Apress. Dyche, Jill.(2004). The CRM Handbook: A Business Guide to Customer Relationship Management. Addison-Wesley.

174

Aplikasi E-Commerce dengan Sistem Rekomendasi Berbasis Collaborative Filtering pada Toko Komputer Ekaria (Meliana Christianti, Christian Hadiguna) Febriani. (2007). Flowchart. Retrieved June 20, febriani.staff.gunadarma.ac.id/Downloads/files/5616/Flowchart.pdf

2010,

from

Pressman, Roger S. (1997). Software Engineering A Practitioner’s Approach (4th ed.). New York: McGraw-Hill. Rosen , Anita. (2000). The E-commerce Question and Answer Book. USA: American Management Association. Sutabri, Tata. (2004). Analisa Sistem Informasi (edisi pertama). Yogyakarta: Andi. Upton, David. (2007). CodeIgniter for Rapid PHP Application Development. Birmingham: Packt Publishing. Xu, Guandong, Zhang, Yanchun, & Li, Lin. (2010). Web mining and Social Networking. New York: Springer

175

Aplikasi E-Commerce dengan Sistem Rekomendasi Berbasis Collaborative Filtering pada Toko Komputer Ekaria

Recommend Documents