KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 172

APLIKASIPEMESANANMAKANANMENGGUNAKANALGORTIMACOLLABORATIVEFILTERINGDENGAN

METODEMVC(MODELVIEWCONTROLLER)

Ajiputraprasetiyo1fauziah2RatihTitiKomala3UniversitasNasional;Jl.SawoManilaNo.61,PasarMingguTelp:(021)7806700

FakultasTeknologiKomunikasiDanInformasi,UniversitasNasionale-mail:1ajiput2399@gmail.com,2fauziah@civitas.unas.ac.id,3ratih.titi@civitas.unas.ac.id

Abstract

KantinQuy is a place for selling various food and beverages in Jakarta,where thiscanteenstillusesdirectorderstothesellerbecausethecustomerdoesnotgetamenubookandtherecordingofthemenuthatyouwanttoorderisstillusingthebooksandpensprovided,thisorderingwebsiteapplicationaimstomaketheKantinQuywebsitefororderingvariousfoodanddrinks tomake iteasier forcustomers tochooseordersandmorepracticalwhenviewingalistoffoodordrinkmenus,thiswebsitefeatureisalsoavailablerecommendedmenumenus in the website application. In this research, the system development uses the PHPprogramming language and includes the MVC method and the Collaborative Filteringalgorithm.theMVC(ModelViewController)methodwhichfunctionsindividingthebusinesslogin display andUI (user interface) or the view seen by the user,while the collaborativefilteringalgorithmisforrecommendingwithproofofratingsfromacustomeranddifferentcustomerstogeneraterecommendations.thetestingstage(testing)onthisorderingwebsiteuses the blackbox procedure by pressing functionality testing for application developmentrecommendationsthatcanbetriedinthenextresearch,namelythatitcanberaisedusingamobileorderingapplication,sothatcustomerscanorderfoodanddrinksonthesmartphonefeaturesusedcustomers.Keywords:MVC,website,collaborativefiletering.

Abstrak KantinQuy ialah tempatpenjualananekamakanandanminumanyangberadadiJakarta, dimana kantin ini masih menggunakan pemesanan secara langsung ke penjualdikarnakan customer tidakmendapatkan bukumenu dan pencatatanmenu yang ingin dipesanmasihmenggunakanbukudanpulpenyangdisediakan,aplikasiwebsitepemesananinibertujuan untuk menjadikan website KantinQuy pada pemesanan aneka makanan danminumanagarlebihmempermudahcustomerdalammemilihpesanandanlebihpraktissaatmelihat daftarmenumakanan atauminuman ,fiturwebsite ini juga sudah tersediamenumenu yang recommended didalam aplikasi website. dalam penelitian ini pengembangansistemmenggunakanbahasapemogramanPHPdandidalamnyaterdapatmetodeMVCdanalgoritmaCollaborativeFiltering.metodeMVC(ModelViewController)yangberfungsidalammembagitampilanloginbisnisdanUI(userinterface)ataupuntampilanyangdilihatolehuser, sedangkan algoritma collaborative filtering untuk merekomendasikan dengan buktiperingkat dari seorang customer dan customer yang berbeda untuk memunculkanrekomendasi . tahap pengujian (testing)pada website pemesanan ini memakai tata carablackbox dengan memencet pengujian fungsionalitas buat rekomendasi pengembanganaplikasi yang bisa dicoba pada riset berikutnya ialah bisa dibesarkan jadi menggunakan

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 173

aplikasimobilepemesanan,sehinggacustomerbisadapatmelakukanpemesananmakanandanminumanpadafitursmartphoneyangdigunakancustomer.Katakunci:MVC,website,collaborativefiltering.1.PENDAHULUAN

Kemajuan pada teknologi informasi dan komunikasi (TIK) sekarangbertambah maju, salah satunya merupakan web .pada kantin ini pemesananmakananatauminumanharussecara langsungmemesankepenjualdandidalamkantin ini tidak tersedia buku menu dan menu-menu recommended jadi haruslangsungmenanyakankepenjualdanmasihmenggunakanmetodepenulisansecaramanualdenganmenggunakanbukudanpulpenuntukalatpenulisanyangingindipesanolehcustomer.

DenganmengembangkanaplikasipadawebKantinQuyinimemakaiinternetbuat mengirim serta menerima data, dengan web kemudahan pada pemesanananeka makanan atau minuman jadi lebih gampang dikarenakan dapatmemudahkanaksescustomerdalammencariinformasiyangdiinginkandandalammetodepembayaransudahditetapkansepertimengirimbuktipembayaranapabilasudahmentransfer.[1] padaaplikasiinimemanfaatkanprosedurMVC(ModelViewController)dimanaprosedur inidapatmempermudahdalammemodifikasisuatuwebsite.[2]

seorangcustomerdalampembeliantidakharusmengunjungisuatutempatjualanataukantinuntukpembeliananekamenumakananmaupunminumanyangdiinginkan oleh customer, dimana dengan adanya aplikasi KantinQuy ini lebihmempermudahcustomerdalammembelisuatuataumelihat-lihatanekamakananatau minuman yang dicari .[3]pada aplikasi KantinQuy ini juga terdapat Sistemrekomendasi yang dapat memberikan arahan rekomend dalam bentuk sisteminformasi yang di personalisasikan guna untuk mempromosikan aneka menukepada customerdanmemberikandata yangdapatmendukung customerdalammemilihanekamenu.[4]padasistempenelitianiniuntukmerekomendasikananekamakanan danminuman yang sudah diberikan nilai dari customer dan customerlainnya,padapenelitianiniterdapathasildimanarekomendasiyangmenampungfotoanekamakananatauminuman,idnamadanmenuyangsamaberdasarkanfiturintiKetikacustomermenentukanitemkhusus.[5]

Padapenelitianyangpernahadadikembangkandenganmembuataplikasionline pada rumah makan berbasis web menggunakan codeigniter freamwork.dimana pada penelitian ini berfokus pada memanfaatkan layanan e-commerceuntuk memasarkan produk kepada pelanggan secara online dan melakukantransaksi penjualan serta pengirimanmenu kepada konsumen. Pihak konsumenlebihmudah dalahmemilihmenu-menu yang di tawarkan oleh berbagai rumahmakan ,dengan adanyawebsite aplikasi ini diharapkandapatmemudahkanparapemilikrumahmakandankonsumendalambertransaksi.[6]

AplikasiKantinQuyinisebagaisalahsatupenyelesaianuntukmempermudahmetode pengelolaan data di lingkungan KantinQuy ,khususnya dalam prosespemesanan dan pemilihan anekamakananminumanmaupun keterangan bisniskarenamengembangkan satu aplikasi yang dapat dilakukanmanajemen laporan

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 174

dari transaksi customer kepada kantinQuy. Sehingga pengerjaan manual yangkurangefisiendanrentanterjadinyakesalahansaatpenulisanpemesananmakananmaupun minuman dapat diminimalisir dengan aplikasi website pemesananmakanandanminumanyangadadikantinQuyini.2.METODOLOGIPENELITIAN2.1AnalisisKebutuhanSistem

Tahapan ini menggambarkan analisis kebutuhan dari sistem aplikasi E-Commerce pemesanan makanan sistem ini ditujukan untuk mengidentifikasikeperluanapasajadalamperancangansebuahaplikasiyangingindilakukanuntukrisetsaatini.keperluanmetodeyangdiperolehyaituberupasoftware(perangkatlunak)Bersamahardware(perangkatkeras).Berikutadalahkebutuhansoftwaredanhardware:

a. analisiskebutuhannon-fungsionaldarisystempenelitiankaliini:

Tabel1.SpesifikasiperalatanHadware software -Laptopspesifikasiwindows10,corei3-10110u,ram4gb-wifi

-sublimetext-visualstudiocode-xampp

b. AnalisiskebutuhanfungsionaldarisystemaplikasiE-commercepemesanan

makanandanminuman:1) Pembagianpenggunaanpadaaplikasiwebsitepemesananmakanandan

minumansebagaiberikut:a) customer(bylogin)b) Admin(bylogin)

2) Terdapat fasilitas pelayanan untuk penginputan pemesanan menumakanandanminuman.

3) Terdapat menu recommended dan menu best seller pada tampilananmenu

4) CustomerdapatmemberikanpeniliaanratingbintangpadasetiapanekayangterdapatpadaaplikasiKantinQuyini.

5) Terdapat fasilitas pelayanan untuk mengubah pemesanan yang telahdiinput.

6) Terdapatfasilitascustomeruntukmenampilkandaftarpemesananmenudandaftarpesanantar

7) Terdapatfasilitasadminuntukmengeloladatapenggunaaplikasi

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 175

2.2.MetodePengumpulanDataBeberapateknikdalampeniletiandokumentasiinformasiiniterdapat:

a. RisetkualitatifyangdilakukandalampenelitianinisecaralangsungkepadaKantinQuy

untukmendapatkaninformasiyanglebihrealitadilapangan.adapundalampenghimpunaninformasiyangdipakaiadalah:1) Riset, ialah pengumpulan informasi didalam melakukan pemantauan

terbukadenganpendataansecaratesusunsupayadapatmencapaitujuaninformasiyanglebihfaktual.

2) Interviewialahsistemmengumpulkaninformasiyangdilakukandenganbeberapa sesipertanyaandan jawaban secara terbukadenganpemilikataupihakyangterkaitdalambidangyangditelitiuntukmendapatkandatayangdiperlukan.

b. Ulasan TamanPustaka Penelitimelakukanpenelitiandenganmelakukantinjauankejurnaljurnalyangsudahdipublikasiuntukdapatmendalamibeberapajurnalyangterkaitdengan riset ini.beberapa dari jurnal publikasi yang termasuk adalahjurnal-jurnal yang bersangkutan pada pemesananmakanan ,MVC (modelview controller),CF (collaboratife filtering )dan pemesanan makananminumanjurnal-jurnaliniyangdirasaperludalampenunjanganpenelitianini.

2.3.MVC(modelviewcontroller)MVC (Model View Controller) ialah struktur perancangan lunak untukpengambanganMVC ialah structure perancangan lunak untuk pengembangan disebuah aplikasi website,dimana salah satu metode ini merupakan penerapanTeknikOOP(objectorientedprogramming),barisanantarmukapenggunadengankontributifpemecahanproblemyangterdapatpadaMVCinisangatterkenaldimanacara kerjanya itu mengisolasi logika aplikasi .dimana Controller mendapatkanseluruhpengharapanbuatimplementasisertasetelahitubertindakmenggunakanacuan buat rancang informasi yang di perlukan untuk view ,setelah itu viewmemakai informasi untuk disiapkan sama controller buat menciptakan reaksikesimpulanyangcukup.GeneralisasiMVCsecaragrafisterdapatdalamfoto2.3.1:(Cahyawan,2012)(Singh,Sharma,&Singh,2016).[7]

Gambar2.3.1MVC(ModelViewController)

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 176

2.4.CF(CollaborativeFiltering)AlgorimaCollaborativefiltering

Perhitungan filtrasi kolaboratif Schafer memisahkan perhitungan filtrasikolaboratifkedalamduakelasyangberbedayaitu:

a)user-basedcollaborativefilteringperhitungantetanggaterdekatmemakaimetode faktual buat menciptakan sekelompok customer,diketahui selaku orangsebelah. Yang mempunyai sejarah sepakat dengan pengguna yang jadi target.Sehabis sekumpuulan orang sebelah tercipta sistem memakai algoritma yangberbeda buat mencampurkan kesukaan neighbours buat menciptakan predikisataupunsaranN-teratasbuatactiveuser.(Sarwardkk,2001).b)ItemBasedCollaborativeFiltering(IBCF)ialahtatacarasaranyangdidasarkanpada kesamaan antara peringkat item dan item yang diperoleh. Dari tingkatkedekatan item ,kemudian dipeceh menjadi parameter-parameter kebutuhancustomeryangdisusununtukmendapatkanpenghargaandariitembenefit.itemitumempunyaihasilkhasiattertinggiyangdapatdiwujudkansaran(Purwanto,2009).[8]

Tata cara ini timbul selaku pemecahan buat sebagian kasus dalampenyaringan kolaboratif berbasis customer ini adalah masalalh pembatasan(ketersebaran) dan keserbagunaan serta masalah waktu dan memori. Dalampenyaringan kolobaritif berbasis item ,itumengaktualisasikan kesamaan denganmembuat sesuatumodelsimilaritassebagaioflineyangakibatnyamenyesuaikanwaktu serta memori yang dipakai untuk estimasi customer dalam menjalankantamanweb.

Sistem flowchart rekomedasi ini menggunakan item base collaborative filteringpadaalgoritmacollaborative:

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 177

Gambar2.4.1Flowchartsistemrekomedasimenggunakanitembasecollaborativefiltering

2.5.MenghitungNilaiSimilartyPadasesi inimerupakanuntukmembikin jumlahkesamaanantaracustomeratauproduk di mana jumlah kedekatanantaracustomeratauprodukdidapatdenganmenggunakancontoh1ialahPearsonCorrelationataupuncontoh2ialahAdjustedCosine.[9]

𝑆(i,j)= ∑u∈𝑈 (𝑅𝑢,i−Ȓi)(𝑅𝑢,j−Ȓj)

√∑u∈𝑈 (𝑅𝑢,i−Ȓi)2√∑u∈𝑈 (𝑅𝑢,j−Ȓj)2 [1]

𝑆(i,j)= ∑u∈𝑈(𝑅𝑢,i−Ȓ𝑢)(𝑅𝑢,j−Ȓ𝑢)

√∑u∈𝑈(𝑅𝑢,i−Ȓ𝑢)2√∑u∈𝑈(𝑅𝑢,j−Ȓ𝑢)2 [2]

Keterangan:

S(i,j) =NilaikemiripanantaraitemidenganitemjuϵU =KumpulancustomeryangmemberiratingbaikitemidenganitemjRu,i =penilaiancustomerupadaitemi

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 178

Ru,j =penilaianupadaitemjȒu =perhitunganratingrata-ratacustomeruȒi =perhitunganrata-rataitemiȒj =perhitunganratingrata-rataitemjPerhitungan prediksi P (a, j) terhadap anekamenu j oleh customer a yangtidakmemperolehratingdenganrumusWeightedSumadapadapersamaan2.

P(a,j)=Σi∈I(Ra,i. Si,j) i∈I|Si,j [3]

keterangan:P(a,j) =PerhitunganpenilaiananekamenujolehcustomeraiЄI=kumpulanyangsamadengananekamenujRa,I =penilaiancustomerapadaanekamenuiS(i,j) =jumlahsimilarityanataraanekamenuidengananekaj3.HASILDANPEMBAHASAN3.1pengujianmenggunakansistemblackbox Blackboxpenguji inidiangkatbagaiacuanpengujiandidalammengujifitur-fitur input output yang ada padawebsite KantinQuy ,pengujian ini pundapat menghitung recommended sistem didalam merekomendasikan anekamakanandanminumanyangadadiaplikasiKantinQuy.[10]No. Fituryangdiujikan HasilPengecekan Status1. Login Admindapatlogin Berhasil2. FiturAdd,edit,delete AdmindapatAdd,edit,deleteitem Berhasil3. Fiturkategori Admindapatmenyesuaikkankategori

itemBerhasil

4. Fiturinvoice Admindapatmengkonfirmasipembayaran

Berhasil

5. Fiturpembayaran Memberdapatmelakukanfiturpembayaran

Berhasil

6. Logout Admindapatlogut Berhasil

Tabel3.1.1.PengujiansistemuseradminKantinQuyNo. Fituryangdiujikan HasilPengecekan Status1. SignUp/Login CustomerdapatSignUp/login Berhasil2. FiturAdditem Customerdapatmenambahitem Berhasil3. FiturUpdate Customerdapatmenambah/mengurangi

itemBerhasil

4. Fiturcheckout Customerdapatcheckoutitem Berhasil5. Fiturpembayaran Customerdapatmelakukanfitur

pembayaranBerhasil

6. Uploadbuktipembayaran

Customerdapatuploadbuktipembayaran Berhasil

7. Fiturinvoice Customerdapatuploadhistorypembayaran Berhasil8. FiturMycart Customerdapatmelihatkeranjang Berhasil

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 179

9. Logout Customerdapatlogout BerhasilTabel3.1.2.pengujiansistemusercustomerKantinQuy

3.2pembahasandalamperhitungannilaisimilartyData aneka menu makanan minuman yang dikumpulkan pada website

KantinQuyiniterdapatnamamenu,hargadankategori.darisemuamenuterdapat3didalamsetiapkategoriyaitu(anekamakanan,anekaminuman,anekajus)padapenelitianinimenyiapkandaftarmenupadatabelI.

Tabel3.21.DaftarAnekaMakananMinumandanKategoriNoMenu Harga(Rp) Kategori1-PecelAyam2-PecelIkanNila3-Sopayam4-EsJeruk5-Esthemanis6-JusMangga7-JusMelon8-JusAlpukat9-JusNaga

20.000dics(2%)22.00022.00010.0005.00015.000(disc20%)12.00015.000(disc20%)10.000

-AnekaPecel-AnekaPecel-AnekaSop-AnekaMinuman-AnekaMinuman-AnekaJus-AnekaJus-AnekaJus-AnekaJus

Daftar riwayat pesanan ini pada tabel II untuk melakukan uji coba dalammenghitungnilaisimilarty,didalamtabelinisudahterdapatC1-C5(customer)danmenuyangdipesanyangsudahterdapatratingdaricustomerpemesan.

Tabel3.2.2.DaftarPesanandanRatingnya

Customer Menuyangdipesan(Rating) -ajiputrap -pecelayam(3)–esjeruk(5)-sopayam

(3)-pecelikannila(4)-estehmanis(2)-pecelayam(3)-jusmanga(4)

-adit-ibnu-denis-Rani

-pecelikannila(5)-esjeruk(4)-sopayam(3)-pecelikannila(2)-jusjeruk(2)-pecelayam(3)-jusnaga(4)-pecelayam(3)-sopayam(2)-jusmelon(5)-sopayam(2)-pecelayam(3)-Jusalpukat(5)

Perhitungan metode collaborative filtering adalah pemberian nilai rating anekamakanan danminuman yang berbentuk star atau biasanya bisa juga dengan 1sampai 5 .daftar aneka menu yang dapat dilihat pada tabel 1 dan rating yangdibagikan customer dari tabel II.menghitung nilai kemiripan dengan anekamakanandanminumanmenggunakanalgoritmaadjustedcosinesimilarty.

𝑆(i,j)= ∑u∈𝑈 (𝑅𝑢,i−Ȓi)(𝑅𝑢,j−Ȓj)

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 180

√∑u∈𝑈 (𝑅𝑢,i−Ȓi)2√∑u∈𝑈 (𝑅𝑢,j−Ȓj)2

Kemiripanhitungannilaidapatdikerjakanjika2ataubertambahratingyangdiberioleh customer berbeda kepada kedua aneka makanan atau minuman .contohsebagai berikut pada tabel II dapat kita lihat bahwa adanya customer yangmembagikanratingkepada2ataulebihanekamenuyangsamadengancustomerlain,misalkanC1(customer)C2danC3telahmembagikanratingkepadaM2(pecelikan nila ) dengan M4(es jeruk) (aneka makanan minuman) Sehingga nilaikemiripanantaraM2denganM4adalahSim (2,4) = ((5-4)(4-4) + (4-3.5)(5-3.5) + (-3.5)(-3.5) + (2-2)(2-2) + (-3.75)(-3.75)√(5-4)2+ (4-3.5)2+ (-3.5)2+ (2-2)2+ (-3.75)2√(4-4)2+ (5-3.5)2+ (-3.5)2+ (2-2)2+ (-3.75)2=27.06=0,9628.063.3PembahasanPerhitunganNilaiPrediksi

P(a,j)=Σi∈I(Ra,i. Si,j) i∈I|Si,j [5]Definisi:P(a,j) =PerhitunganpenilaiananekamenujuntukcustomeraiЄI=KumpulanyangsamamemakaianekamenujRa,I =PenilaiancustomerapadaanekamenuiS(i,j) =Jumlahsimilarityanataraanekamenuidengananekaj

Jalani perhitungan terhadap seluruhmenu yang terdapat.Nilai kemiripanantara2menuhendakbernilai0(belumdikenal)misalnyaenggakterdapatsatupuncustomeryangberikanpenilaiankepadakeduamenuyangtercatat,semacamM2sertaM7.Adapulajumlahkesamaan1serta-1terjalinsebabcumaada1customeryangmembagikanpenilaiankepadakeduamenuyang tercatat, contohratingM1serta M7 cuma diberikan oleh C5. Ada pula tabel yang tidak mempunyai hasil(kosong)dimanaperihalinidisebabkancampurandenganmenuyangserupa,contohM7 dan M7 tidak dibolehkan. Nilai yang dihasilkan algoritma adjusted- cosinesimilarity biasanya berkisaran -1 sampai 1. 2 menu dikira sama bila jumlahsimilarityantarakeduanyamengarah1sertatidakmiripbilajumlahsimilartynyameengarah-1Ibarat C5 sebagai contoh untukmeminta sistemmenu yang rekomendasi ,sitemhendakmenghitungnilaiprediksiC5kepadamenuyangbelumtahudipesanolehcustomer(C5)yaitumenu2,4,5,6,lalu9.berikutperhitungannilaiprediksiM5bagiC5:P(C5,M5)=(0x-1)+(5x0)+(5x0)(3x1)+(0x-1)+(0-1)+(0x-1)+(2x1)=5=0,83

|-1|+|0|+|0|+|1|+|−1|+|-1|+|-1|+|1| 6

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 181

Nilai -1,0,0,1,-1,-1,-1,1 ialah nilai similartyM5 denganM1,M2,M3,M4,M6,M7,M8danM9nilai0,5,5,3,0,0,0,dan2denganberturut-turutialahpemberiannilairatingdariC5terhadapM1sampaiM9(kecualiM5). Menu yang buat direcomended ialah menu yang berbobot denganprediksianmendekati1ataudiatasangka0(nol).PerhitunganhasilbobotprediksimenuyangdirecommendedkanuntukC5ialahM5.menudengannilaikurangdarisama dengan 0 (nol) bukan di recommended kan dengan menu tersebutdiperkirakan bukan diinginkan oleh customer .menu yang pernah di pesan dandiberiratingolehcustomerakandikasihnilai0.3.4TampilanMenudanFiturPadaAplikasiKantiQuy

Gambar1.Anekamenu

TampilanhomeDimanatampilanhomeiniterdapatmacammacamanekamakanandanminumanyang berfungsi untuk mempermudah customer dalam memilih makanan danminumandimanadihomeiniterdapatfiturnewitems,bestsellerdanpromoitems.

Gambar2.Tampilansignup

Tampilansignup

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 182

TampilansignupiniberfungsisebagaifiturregistrasipadaaplikasiKantinQuydimanadidalamfituriniterdapatfromyangperludiisisampaiselesai,setelahselesaifituriniakankekirimdimenumembersyangadadiadmin

Gambar3.Tampilanmenurecommended

TampilanmenurecommendedDimana padamenu ini apabila kita klik pada tombol search akanmenghasilkanmenuyangrecommenduntukkitadimanasebelumnyasudahadacustomeryangmemberiratingpadaanekatersebutdanapabiladiklik2Xpadagambarmenuakanmuncul fitur rating ,Ketika di klik menu beli sekarangmenu ini otomatis akanlangsungmasukkebagianmycart.

Gambar4.Tampilanrating

TampilanRatingTampilanratinginiuntukmemberikanratingdimanaterdapatpadasetiapanekamakanananekaminumandananekajusyangberfungsiuntukmerekomendasikananekaanekayangtersediauntukcustomerlaindandifiturratinginiterdapat5iconstardanterdapatjugapemeberiannamauntukcustomerdanpemberiankomentarpadasetiapanekamakananyangdiratingnya.

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 183

Gambar5.Tampilanmycart/keranjang

TampilanMycartTampilanmycartiniberfungsiuntukmenyimpanhasilotomatispembeliananekamakananminumanmaupunjusyangkitajualpadawebsiteKantinQuyapabilakitakliktombolcheckoutakanmunculinvoiceuntukmengarahkanpembayaran.

Gambar6.Tampilaninvoice

TampilaninvoicePada tampilan terdapat nama pembeli ,status pembayaran dan nomor rekeningcustomer apabila sudah transferpembayaran customermelakukanuploadpadamenubuktipembayaran

Gambar7.Tampilaninvoicepembayaranpadamenuadmin

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 184

TamilaninvoiceadminDimanaditampilaniniterdapatinvoicebuktipembayaranyangdilakukanolehcustomerdanadminakanmengeceklihatbuktipembayaran/lihatsecaradetail.

Gambar8.Tampilaninvoicebuktipembayarancustomerpadamenuadmin

Tampilaninvoicenumberadminpadatampilaniniadminakanmengecekjugaapakahcustomersudahbenar-benarmentransferpembayaranpesananmakananminumanyangdipesanpadawebsiteKantinQuy ,apabila sudah benar admin akan menkonfirmasi pembayaran kecustomersebaliknyajikatransferbuktiuploadbukantransferan,adminakantolakbuktipembayaran.

Gambar9.invoicepembayaranpadamenucustomer

TampilaninvoicenumbercustomerTampilaniniakanmemberikanstatuspembayaranapabilaadminsudahmengeceksemuapembayaranyangdipesandimanapadastatuspembayaranakanberubahapabila kita sudah mentransfer nya menjadi lunas dan proses pengantaranmakanan-minumanakandikirimsetelahprosespembayarantelahlunas4.KESIMPULAN

Berlandaskan hitungan uji coba yang dikerjakan dapat disimpulkan hasilobservasi ini yang menggunakan algoritma collaborative filtering dimana hasilsistemratingkemiripanpesanananekamakanandanminumanmendapatkanhasil

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 185

dikarenakandenganmengujisistemmelaluiratingyangdiberikanpadatabelIIC1(customer) C2 dan C3 telah memberikan rating terhadap M2 dan M 4(anekamakananminuman)SehingganilaikemiripanantaraM2denganM4menghasilkannilaikemiripansebesar0,96dimanaC1C2danC3mempunyaikemiripanpesananyaitudenganmenues jeruk(anekaminuman)danpecel ikannila(anekapecel).PadawebsiteKantinQuy inimengenakankodeprogramPHPdenganmetodenyamemakaiMVCbersamaMysql sebagaibasisdata.pengujianyangdilakukanpadaaplikasiKantinQuymenggunakanblackboxpengujisesuaialurprosesyangsudahditetapkan.

DAFTARPUSTAKA[1] D.Miyadi,“MembangunSistemInformasiPemesananMejaDanMakanan

BerbasisWeb(StudiKasus:RumahMakanMbakTuti),”J.ONESISMIK,vol.3, no. Vol 3 No 3 (2019), pp. 218–226, 2019, [Online]. Available:https://jurnal.dcc.ac.id/index.php/onesismik/article/view/306.

[2] B. Sutara, “Optimalisasi Aplikasi Transaksi Penjualan Berbasis WebMenggunakanFrameworkCodeigniter,”J.Inform.Pengemb.IT(JPIT),vol.2,no.1,pp.1–5,2017.

[3] F. & E. Aulia, “E-Commerce Oleh-Oleh Khas Minang,” VOTEKNIKA J.VokasionalTek.Elektron.danInform.,vol.6,no.2,pp.107–112,2018,[Online].Available:E-COMMERCEOLEH-OLEHKHASMINANG.

[4] I.G.A.G.A.Kadyanan,“PerancanganSistemRekomendasidalamIndustriKuliner di Bali,” J. Ilm., vol. X, no. 1, pp. 1–6, 2017, [Online]. Available:https://docplayer.info/96219900-Perancangan-sistem-rekomendasi-dalam-industri-kuliner-di-bali.html.

[5] R.H.Mondi,A.Wijayanto, andWinarno, “RecommendationSystemWithContent-Based Filtering Method for Culinary Tourism in ManganApplication,”Itsmart,vol.8,no.2,pp.65–72,2019.

[6] Meilantika,“MembangunAplikasiRumahMakanOnline,”J.Inform.,no.2,pp.28–35,2020.

[7] C. Hayat, E. Rahardja, and F. Pasamboan, “Implementasi Model ViewControllerPadaAplikasiPemesananMakananPlatformSistemOperasiAndroid,”SATIN-SainsdanTeknol. Inf.,vol.5,no.1,pp.19–26,2019,doi:10.33372/stn.v5i1.445.

[8] Nugroho, “Sistem Rekomendasi Produk Ukm Di Kota BandungMenggunakan Algoritma Collaborative Filtering,” J. Ris. Sist. Inf. danTeknol.Inf.,vol.2,no.3,pp.23–31,2020.

[9] L.Tommy,D.Novianto,Y.S. Japriadi,T. Informatika, I.Sains,andA.Luhur,“SistemRekomendasiHybriduntukPemesananHidanganBerdasarkanKarakteristikdanRatingHidangan,”J.Appl.InformaticsComput.,vol.4,no.2,pp.137–145,2020.

[10] L. Tommy, C. Kirana, and V. Lindawati, “Recommender System DenganKombinasi Apriori Dan Content-Based Filtering Pada AplikasiPemesanan Produk,” J. Teknoinfo, vol. 13, no. 2, p. 84, 2019, doi:

KumpulanjurnaLIlmuKomputer(KLIK)Volume08,No2Juni2021

ISSN:2406-7857

AplikasiPemesananMakananMenggunakanAlgortimaCollaborativeFiltering(AjiPP)| 186

10.33365/jti.v13i2.299.