PENERAPAN METODE DEEP LEARNING MENGGUNAKAN  ALGORITMA CNN BASED RECOMMENDATION PADA  APLIKASI E-COMMERCE GOLS (STUDI KASUS : PT. CIPTA GIRI SENTOSA)

PRACTICE OF THE DEEP LEARNING METHOD USING THE CNN BASED RECOMMENDATION ALGRITHM IN THE GOLS E-COMMERCE APPLICATION (CASE STUDY : PT. CIPTA GIRI SENTOSA)

Perkembangan zaman teknologi komunikasi dan informasi 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 (Handphone / 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 sekian banyak kategori dan jenis barang yang tentunya akan memberikan 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 menganalisa 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 yang didapatkan dari training data sebanyak 70 epochs yaitu di angka 86,42%.

the current era has led society to engage in numerous activities online. High levels of effectiveness and efficiency have become reliable factors for individuals to streamline their daily tasks. This includes the trend of shopping, which previously occurred offline, requiring individuals to physically visit stores to purchase desired items. Nowadays, people can shop anytime and anywhere solely with the use of devices such as smartphones or laptops. Not only can consumers shop, but those wishing to sell items no longer need to establish physical stores; they can simply register on platforms providing buying and selling services. However, buyers face the challenge of navigating through numerous categories and types of products, which can pose difficulties in finding desired items.

To address this issue, recommendation systems have been developed to help buyers specifically filter desired products. Research on recommendation systems has also experienced significant advancements. Deep Learning is an example of a method developed for recommendation systems, derived from Artificial Neural Networks aimed at constructing visual neurons similar to the human brain's network, capable of analyzing and processing large amounts of data automatically. In this study, the Deep Learning method utilized is the CNN (Convolutional xii Neural Network) algorithm designed to analyze and process 8 fashion categories, comprising a total of 6000 training data images (750 images per category) and 1000 test data images (125 images per category). The accuracy obtained from the training data over 70 epochs is approximately 86.42%.