Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
ISSN : 2503-2844
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]
I. PENDAHULUAN
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.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 263
1
2
3
Intan Melianita , Wina Witanti , Faiza Renaldi Seminar Nasional Telekomunikasi dan Informatika 2016
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 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
ISSN : 2503-2844
pendistribusian kaos, sehingga sulit menentukan data pendistribusian mana yang paling tinggi untuk dijadikan rekomendasi pendistribusian yang banyak untuk diolah dengan sistem komputasi. I.3 a.
b. c.
I.4
Batasan Masalah Batasan dari penelitian ini sebagai berikut: Data yang digunakan data penjualan bulan Juni, Juli, Agustus, September, Oktober, November tahun 2015. Distribusi 12 titik dari 40 titik. Kategori kaos dibagi menjadi 5 kategori yaitu reglan, long sleeve, kids, basic, standard dan tidak mengambil data kaos perempuan. 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 264
Intan Melianita1, Wina Witanti2, Faiza Renaldi3 Seminar Nasional Telekomunikasi dan Informatika 2016
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
ISSN : 2503-2844
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.
HRM01-HRM05= MERCH. 1. 2.
3. 4.
5.
Kode
produk
pada
HRTY
P1-P5 = Id Pelanggan yang telah terdaftar. Angka 1 dan 0 = 1 jika pelanggan tersebut membeli produk HRTY MERCH, dan 0 jika tidak melakukan pembelian produk HRTY MERCH. Angka Pangkat (1-5) = ranking produk yang sudah diberikan oleh pelanggan. Skala Ranking = 1 (sangat tidak menarik), 2 (tidak menarik), 3 (cukup menarik), 4 (menarik), dan 5 (sangat menarik). 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
Tabel 1 Pembangkit Rekomendasi
265 Intan Melianita1, Wina Witanti2, Faiza Renaldi3 Seminar Nasional Telekomunikasi dan Informatika 2016
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 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
ISSN : 2503-2844
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.
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 masingmasing 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
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.
266 Intan Melianita1, Wina Witanti2, Faiza Renaldi3 Seminar Nasional Telekomunikasi dan Informatika 2016
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
ISSN : 2503-2844
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 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 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 6 Class Diagram sistem
267 Intan Melianita1, Wina Witanti2, Faiza Renaldi3 Seminar Nasional Telekomunikasi dan Informatika 2016
Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016) Bandung, 28 Mei 2016
IV. KESIMPULAN Berdasarkan pada hasil penelitian yang telah dilakukan dapat disimpulkan bahwa: 1.
2.
ISSN : 2503-2844
Sistem Rekomendasi Nilai Matakuliah Menggunakan Metode Content-Based Filtering 2010 Seminar Nasional Informatika 2010 (Seminar IF 2010) ISSN: 1979-2328
Analisis dan perancangan yang telah dibuat akan memudahkan dalam implementasi untuk sistem yang akan dibangun untuk merekomendasikan cabang dan hasil penjualan setiap cabang. 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:27393400 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
268 Intan Melianita1, Wina Witanti2, Faiza Renaldi3 Seminar Nasional Telekomunikasi dan Informatika 2016
