Optimalisasi Algoritma Popularity-Based dan Rule-Based Recommendation pada Perancangan E-Commerce Ghaza Store

M Zaqi  Hidayat; Kusdarnowo  Hantoro; Fata Nidaul  Khasanah

doi:10.53990/jupiter.v6i2.504

Authors

M Zaqi Hidayat Fakultas Ilmu Komputer, Informatika, Universitas Bhayangkara Jakarta Raya
Kusdarnowo Hantoro Fakultas Ilmu Komputer, Informatika, Universitas Bhayangkara Jakarta Raya
Fata Nidaul Khasanah Fakultas Ilmu Komputer, Informatika, Universitas Bhayangkara Jakarta Raya https://orcid.org/0000-0002-1179-3814

DOI:

https://doi.org/10.53990/jupiter.v6i2.504

Keywords:

E-Commerce, Fuzzy Logic, Popularity-Based, Progressive Web App, Rule-Based

Abstract

Transformasi digital menuntut pelaku usaha untuk beradaptasi, termasuk dalam sektor ritel pakaian. Ghaza Store, toko pakaian di Bekasi, masih menggunakan sistem konvensional yang membatasi jangkauan pasar dan efisiensi operasional. Penelitian ini bertujuan merancang sistem e-commerce berbasis Progressive Web App (PWA) dengan integrasi dua algoritma sistem rekomendasi, yaitu Popularity-Based Recommendation (PBR) dan Rule-Based Recommendation (RBR). Metode pengembangan menggunakan Rapid Application Development (RAD). Algoritma Popularity-Based digunakan untuk menghitung rata-rata rating dan Weighted Rating (WR), sedangkan Rule-Based menggunakan pendekatan fuzzy logic (Mamdani) berdasarkan aturan harga dan kategori. Hasil pengujian menunjukkan fitur sistem berjalan baik, dengan produk terpopuler adalah “Adidas Kaos Katun Combed” (rating 4.8 dan WR 4.64), dan RBR berhasil merekomendasikan produk berdasarkan rentang harga dan kategori yang sama. Penelitian ini memberikan solusi digital adaptif bagi Ghaza Store untuk meningkatkan daya saing dan pengalaman pelanggan.

Downloads

Download data is not yet available.

References

Aesyi, U. S, & Cahyo, P. W. (2023). Peningkatan Penjualan Produk Berdasarkan Analisis Komentar Pelanggan di Marketplace: Shopee. Jurnal Sains Dan Informatika, 9(November 2022), 1–8. https://doi.org/10.34128/jsi.v9i1.539

Aprilyan, Y., Sasanti, E. E., & Isnawati. (2022). Pengaruh E-Commerce Terhadap Peningkatan Pendapatan Usaha Mikro Kecil Dan Menengah (Umkm) Di Kabupaten Lombok Barat. Jurnal Riset Mahasiswa Akuntansi, 2(2), 292–306. https://doi.org/10.29303/risma.v2i2.216

Atanto, A., Nayottama, D., Mahardika, N., Fauzi, R., Saputro, R., & Kalifia, A. (2014). Prediksi Penjualan Laptop di Tokopedia Menggunakan Penerapan Fuzzy Inference System Dengan Metode Mamdani. Penambahan Natrium Benzoat Dan Kalium Sorbat (Antiinversi) Dan Kecepatan Pengadukan Sebagai Upaya Penghambatan Reaksi Inversi Pada Nira Tebu, 3, 87–95.

Effendy, E., Siregar, E. A., Fitri, P. C., & Damanik, I. A. S. (2023). Mengenal Sistem Informasi Manajemen Dakwah (Pengertian Sistem, Karakteristik Sistem). Jurnal Pendidikan Dan Konseling, 5(2), 4343–4349.

Insana, D. R. M., & Johan, R. S. (2020). Peningkatan Kepuasan Konsumen Melalui Penggunaan E-Commerce. Sosio E-Kons, 12(02), 125. https://doi.org/10.30998/sosioekons.v12i02.6451

Iskandar, E., Buwono, R. C., & Putri, S. O. N. (2022). Implementasi Progressive Web Apps Pada Marketplace. Jurnal SAINTEKOM, 12(2), 158–167. https://doi.org/10.33020/saintekom.v12i2.265

Pratama, H. F., & Irawan, B. (2025). Perancangan E-Commerce Penjualan Brankas Berbasis Web site ( Studi Kasus : CV . Bintang Utama ). 12(01), 1–11.

Puspita, R. D., Muhallim, M., & Sulaeman, B. (2025). Sistem Informasi Berbasis Web Pada PT. IBS Bentang Persada Palopo. 13(2), 1–16.

Rizal, K., Alkhalifi, Y., Fibriany, F. W., & Rachmawaty, Z. (2022). Rancang Bangun Sistem Informasi Pemesanan Jasa Event Organizer Berbasis Website Menggunakan Metode RAD. Jurnal Teknik Komputer AMIK BSI, 8(2), 174–180. https://doi.org/10.31294/jtk.v4i2

Setiawan, A., Yanto, B., & Yasdomi, K. (2018). Logika Fuzzy. In Makalah If2091 Struktur Diskrit Tahun 2009 (Vol. 1, Issue 13508029).

Srikala, K. (2020). Popularity Based Recommendation System. International Journal of Engineering and Advanced Technology, 9, 1561–1566. https://doi.org/10.35940/ijeat.B4660.029320

Wale, N. (2024). Popularity-based and Collaborative Filtering Based Restaurant Recommender System. International Journal For Multidisciplinary Research, 6(2), 1–19. https://doi.org/10.36948/ijfmr.2024.v06i02.15985