Publisher

NINETYJOURNALNINETYJOURNAL

Journal Jurnal Kecerdasan Buatan dan Teknologi InformasiJurnal Kecerdasan Buatan dan Teknologi Informasi Abstract

Perkembangan industri kopi yang pesat menimbulkan tantangan bagi pembeli dalam memilih menu yang sesuai dengan preferensi mereka, terutama ketika banyaknya variasi menu tidak diimbangi dengan sistem pendukung yang memadai. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi kopi berbasis website dengan metode item-based collaborative filtering, yang memanfaatkan data riwayat pembelian dan rating untuk menyarankan menu kopi yang relevan. Sistem ini diimplementasikan pada website All The Time Caffe, yang sebelumnya hanya memiliki fitur dasar seperti login, pemesanan, dan pengiriman struk melalui WhatsApp. Dengan sistem yang dikembangkan, pengguna dapat menyaring rekomendasi berdasarkan kategori kopi (seperti Coffee Classics, Iced Coffee, dan Tea & Non-Coffee), rentang harga, dan rating minimum yang diinginkan. Teknologi yang digunakan mencakup NextJS sebagai antarmuka pengguna dan Python untuk pengolahan data serta perhitungan algoritma. Hasil pengujian menunjukkan bahwa sistem dapat memberikan rekomendasi secara tepat sesuai preferensi pengguna serta meningkatkan efisiensi layanan di kafe. Selain itu, sistem ini juga bermanfaat bagi pelaku usaha kecil dan menengah (UMKM) dalam memahami perilaku konsumen serta meningkatkan loyalitas pembeli. Dengan demikian, sistem rekomendasi ini diharapkan mampu mendorong inovasi berbasis teknologi disektor kuliner, khususnya dalam industri kopi.

Conclusion

Penelitian ini berhasil mengembangkan sistem rekomendasi kopi berbasis website menggunakan metode item-based collaborative filtering.Sistem yang dibangun mampu mengakomodasi filter kategori, kopi yang disukai, rentang harga, dan rating sehingga memudahkan konsumen dalam memilih menu sesuai dengan preferensi rasa, anggaran, dan kualitas yang diinginkan.Hasil implementasi dan pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi yang relevan dan personal dengan nilai precision, recall, dan f1-score rata-rata mendekati 1.000, serta nilai error prediksi (MAE dan RMSE) yang sangat rendah.

Future Research

Penelitian lanjutan dapat menjelajahi penggunaan teknik pembelajaran mesin lainnya dalam mengembangkan sistem rekomendasi kopi yang lebih akurat, baik dengan metode deep learning atau hybrid methods. Selain itu, perlu dilakukan penelitian tentang dampak penggunaan sistem rekomendasi terhadap kepuasan pelanggan dan penjualan di kafe-kafe lokal. Pertanyaan menarik lainnya adalah seberapa besar pengaruh personalisasi rekomendasi terhadap loyalitas pelanggan, termasuk apakah ada variasi dalam preferensi konsumen berdasarkan demografi atau lokasi geografis.

References

1. PENGEMBANGAN SISTEM REKOMENDASI KOPI DENGAN METODE COLLABORATIVE FILTERING BERBASIS WEBSITE | Jurnal... doi.org/10.69916/jkbti.v4i3.371PENGEMBANGAN SISTEM REKOMENDASI KOPI DENGAN METODE COLLABORATIVE FILTERING BERBASIS WEBSITE Jurnal doi 10 69916 jkbti v4i3 371
2. APLIKASI KASIR BERBASIS WEB DI KEDAI KOPI XYZ MENGGUNAKAN METODE WATERFALL | Jurnal Sains Komputer dan... doi.org/10.33084/jsakti.v5i2.5002APLIKASI KASIR BERBASIS WEB DI KEDAI KOPI XYZ MENGGUNAKAN METODE WATERFALL Jurnal Sains Komputer dan doi 10 33084 jsakti v5i2 5002
3. Penerapan Metode Prototype Pada Perancangan Sistem Pengarsipan Dokumen Kantor Kecamatan Lais | Journal... journal-computing.org/index.php/journal-sea/article/view/89Penerapan Metode Prototype Pada Perancangan Sistem Pengarsipan Dokumen Kantor Kecamatan Lais Journal journal computing index php journal sea article view 89

Subjects

1. #collaborative filtering#collaborative filtering
2. #sistem pendukung keputusan#sistem pendukung keputusan

Metadata

File size	726.42 KB
Pages	11
DMCA	ReportReport