3 Mahasiswa Teknik Informatika UNNES Kembangkan Sistem Rekomendasi Pembelian Laptop Berbasis Machine Learning

Semarang -- Tiga mahasiswa Teknik Informatika Universitas Negeri Semarang (UNNES) berhasil mengembangkan sistem rekomendasi pembelian laptop berbasis teknologi machine learning dengan algoritma Random Forest. Sistem ini dirancang untuk membantu konsumen dalam memilih laptop yang sesuai dengan kebutuhan, preferensi, dan budget mereka.

Ketiga mahasiswa tersebut adalah Muhammad Zharfan Tanuwijaya, Muhammad Dzaky, dan Fittra Marga Ardana, yang bekerja sama dalam proyek inovatif ini sebagai bagian dari tugas akhir mereka. Proyek ini berangkat dari permasalahan umum di masyarakat, yaitu kebingungan dalam memilih laptop yang tepat di tengah banyaknya opsi yang tersedia di pasaran.

Fitur Unggulan Sistem

Sistem rekomendasi ini mengandalkan machine learning menggunakan algoritma Random Forest, yang terkenal karena keakuratannya dalam menangani data kompleks dan memberikan prediksi yang andal. Sistem ini memproses berbagai parameter, seperti:

• Budget pengguna: Memastikan laptop yang direkomendasikan sesuai dengan batasan harga yang diinginkan pengguna.
• Spesifikasi teknis laptop: Meliputi RAM, kapasitas penyimpanan, dan preferensi layer sentuh.
• Output rekomendasi: Mengolah data dan parameter kemudian mengoutputkan rekomendasi brand dan seri laptop dengan perkiraan spesifikasi yang telah diinput.

"Algoritma Random Forest memungkinkan sistem untuk menganalisis pola dari data, sehingga dapat memberikan rekomendasi yang relevan dan sesuai dengan kebutuhan pengguna," ujar Fittra Marga Ardana, salah satu pengembang sistem.

Dukungan Data dan Proses Pengembangan

Untuk membangun sistem ini, mereka mengumpulkan dataset yang diperoleh dari platform Kaggle.com, termasuk data harga, spesifikasi, serta nama brand. Dataset ini diolah melalui beberapa tahap penting:

• Data Preprocessing: Membersihkan dan menyelaraskan data agar mudah diproses oleh algoritma machine learning.
• Pelatihan Model: Model Random Forest dilatih menggunakan data untuk memahami pola dan hubungan antar variabel.
• Evaluasi Model: Menggunakan metrik seperti akurasi dan precision-recall untuk mengukur keandalan sistem dalam memberikan rekomendasi.

Manfaat Bagi Pengguna

Sistem rekomendasi ini tidak hanya membantu konsumen menghemat waktu, tetapi juga memberikan pengetahuan tambahan mengenai spesifikasi laptop yang paling cocok dengan kebutuhan mereka. Dengan fitur ini, konsumen awam dapat dengan mudah memahami spesifikasi teknis tanpa harus melakukan riset mendalam. Selain itu, sistem ini juga dilengkapi dengan fitur perbandingan harga antar laptop, memungkinkan pengguna melihat kecocokan dari opsi yang tersedia.