SISTEM REKOMENDASI PENJUALAN BARANG BERBASIS GRAPH DATABASE DENGAN MENGGUNAKAN METODE PAGERANK

FREANY MELLYN USMANY (2024) SISTEM REKOMENDASI PENJUALAN BARANG BERBASIS GRAPH DATABASE DENGAN MENGGUNAKAN METODE PAGERANK. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71200644_bab1_bab5_daftarpustaka.pdf Download (2MB)
	Text (Skripsi Informatika) 71200644_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Kemajuan teknologi informasi mendorong berbagai bisnis untuk mengadopsi sistem rekomendasi guna meningkatkan kepuasan pelanggan serta mendorong penjualan. Pendekatan rekomendasi tradisional sering kali mengandalkan kesamaan antarproduk atau antar pengguna, namun memiliki keterbatasan dalam mengidentifikasi relasi kompleks antara pelanggan dan produk. Penelitian ini mengembangkan sistem rekomendasi penjualan berbasis Graph Database dengan menggunakan algoritma PageRank untuk menganalisis pola pembelian dan memberikan rekomendasi produk yang lebih relevan. Penelitian ini menggunakan data transaksi dari PT XYZ, yang terdiri atas 137.023 catatan penjualan. Data ini diolah melalui tahapan ETL (Extract, Transform, Load) untuk membangun Graph Database yang menghubungkan pelanggan dengan produk yang mereka beli. Algoritma PageRank digunakan untuk menghitung relevansi produk dalam jaringan penjualan, dan evaluasi dilakukan menggunakan metrik Precision dan Discounted Cumulative Gain (NDCG) guna mengukur tingkat akurasi serta relevansi urutan rekomendasi yang dihasilkan. Hasil evaluasi menunjukkan nilai Precision sebesar 0,4089 dan Normalized Discounted Cumulative Gain (NDCG) sebesar 0,9463, yang mengindikasikan tingkat relevansi rekomendasi yang tinggi. Namun, nilai Precision yang diperoleh kurang optimal karena adanya variasi produk yang sangat luas serta pola pembelian pelanggan yang sering kali serupa, sehingga menyulitkan prediksi preferensi individu secara spesifik. Produk-produk yang relevan berhasil ditempatkan pada peringkat teratas, memberikan rekomendasi yang cukup akurat dalam konteks jaringan transaksi besar. Hasil penelitian ini menunjukkan bahwa integrasi Graph Database dan PageRank mampu menghasilkan rekomendasi yang berkualitas pada jaringan transaksi yang kompleks.

Actions (login required)

View Item