Penerapan Metode Deep Learning Menggunakan Algoritma CNN based Recommendation pada Aplikasi E-Commerce Gols (Studi Kasus : PT. Cipta Giri Sentosa)

Abstract

Perkembangan zaman Teknologi informasi dan komunikasi yang sangat pesat di era sekarang, menggiring masyarakat untuk melakukan banyak hal secara online. Efektivitas dan efisiensi yang sangat tinggi menjadi hal yang dapat diandalkan bagi masyarakat untuk mempermudah dalam kegiatan sehari-hari. Termasuk pada trend berbelanja masyarakat dimana sebelumnya dilakukan secara offline yang mengharuskan masyarakat untuk datang ke lokasi perbelanjaan /toko untuk membeli barang yang diinginkan. Kini, masyarakat dapat berbelanja dimanapun dan kapanpun hanya dengan bermodalkan perangkat (HP/Laptop). Tak hanya masyarakat dapat berbelanja, namun masyarakat yang ingin menjual barang apapun, tidak perlu repot untuk membuat gerai/toko, cukup dengan mendaftarkan pada platform yang menyediakan jasa jual/beli. Namun terdapat tantangan bagi pembeli dimana dari banyaknya kategori dan jenis barang yang tentunya akan memberi kesulitan bagi pembeli untuk mencari yang diinginkan.
Dalam mengatasi hal tersebut, maka berkembanglah sistem rekomendasi yang memudahkan pembeli untuk memfilter secara spesifik produk yang diinginkan. Penelitian mengenai sistem rekomendasi ini juga mengalami banyak perkembangan. Deep Learning merupakan salah satu contoh metode yang dikembangkan untuk sistem rekomendasi ini, dimana metode ini turunan dari Artificial Neural Network yang bertujuan untuk membangun saraf visual mirip dengan jaringan otak manusia yang dapat menganalisis dan memproses data besar secara otomatis.
Pada penelitian kali ini metode Deep Learning yang digunakan yaitu algoritma CNN (Convolutional Neural Network) yang dirancang untuk menganalisis dan memproses 8 kategori fashion dengan total 6000 training data gambar (750 data gambar per kategori) dan 1000 test data gambar (125 data gambar per kategori). Hasil akurasi terbaik yang didapatkan dari training data sebanyak 70 epochs yaitu di angka 86,42%.