Vol.
No.
PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK REKOMENDASI
PRODUK PADA PENJUALAN HANDPHONE BERBASIS WEB
Program Studi Teknik Informatika Fakultas Informatika dan Komputer Universitas Kristen Indonesia Paulus (UKI-Paulu.
Ilyas Tonapa.
Sudianto Lande.
Hermin Arrang.
Program Studi Teknik Informatika Fakultas Informatika dan Komputer Universitas Kristen Indonesia Paulus Email :ilyastonapa2@gmail.
, sudiantolande@ukipaulus.
, herminarrang@ukipaulus.
ABSTRACT The rapid development of information technology is driving the transformation of mobile phone sales towards digital.
However, consumers still often experience difficulties in determining the right mobile phone for their needs and budget due to the wide variety of specifications and price ranges on the market.
This condition creates the need for a decision support system that can provide objective, relevant product recommendations that meet user preferences.
This study aims to design and implement a web-based mobile phone recommendation system using the KNearest Neighbors (KNN) algorithm to help consumers choose the most suitable The method used is applied research with a system development approach that includes needs analysis, design, implementation, and testing.
The research data are mobile phone specifications obtained from the Jakarta Cell Store, while the research subjects are system users.
The KNN algorithm is implemented using Euclidean distance calculations based on price.
RAM, storage capacity, and camera attributes to measure the level of similarity between user preferences and available products.
The results of system testing using the black box method show that all functions run as needed, and all main modules operate The system is able to produce relevant and accurate mobile phone recommendations, so the application of the KNN algorithm is proven effective in assisting purchasing decision making and has the potential to increase user satisfaction and sales effectiveness.
Keywords: K-Nearest Neighbors.
Recommendation System.
Mobile Phone Sales.
Euclidean Distance.
Web | Paulus Informatika Journal Paulus Informatika Journal Vol.
No.
ABSTRAK
Perkembangan teknologi informasi yang pesat mendorong transformasi penjualan handphone ke arah digital.
Namun, konsumen masih sering mengalami kesulitan dalam menentukan handphone yang sesuai dengan kebutuhan dan anggaran akibat banyaknya variasi spesifikasi dan rentang harga di pasaran.
Kondisi ini menimbulkan kebutuhan akan sistem pendukung keputusan yang mampu memberikan rekomendasi produk secara objektif, relevan, dan sesuai preferensi pengguna.
Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi handphone berbasis web dengan memanfaatkan algoritma K-Nearest Neighbors (KNN) guna membantu konsumen memilih produk yang paling sesuai.
Metode yang digunakan adalah penelitian terapan dengan pendekatan pengembangan sistem yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian.
Data penelitian berupa spesifikasi handphone yang diperoleh dari Toko Jakarta Cell, sedangkan subjek penelitian adalah pengguna sistem.
Algoritma KNN diterapkan menggunakan perhitungan jarak Euclidean berdasarkan atribut harga.
RAM, kapasitas penyimpanan, dan kamera untuk mengukur tingkat kemiripan antara preferensi pengguna dan produk yang tersedia.
Hasil pengujian sistem menggunakan metode black box menunjukkan seluruh fungsi berjalan sesuai kebutuhan, dan seluruh modul utama beroperasi dengan baik.
Sistem mampu menghasilkan rekomendasi handphone yang relevan dan akurat, sehingga penerapan algoritma KNN terbukti efektif dalam membantu pengambilan keputusan pembelian serta berpotensi meningkatkan kepuasan pengguna dan efektivitas penjualan.
Kata Kunci: K-Nearest Neighbors.
Sistem Rekomendasi.
Penjualan Handphone.
Euclidean Distance.
Web | Paulus Informatika Journal Paulus Informatika Journal Vol.
No.
PENDAHULUAN
1 Latar Belakang Pada Masa saat ini, penjualan smartphone dan tablet di Indonesia mengalami pertumbuhan yang sangat Smartphone menjadi perangkat yang populer di kalangan masyarakat karena menawarkan beragam fitur dengan harga yang relatif terjangkau, terutama diminati oleh para penggemar Jumlah pengguna smartphone terus meningkat dan telah menjadi bagian dari aktivitas sehari-hari.
Hal ini ditandai dengan semakin banyaknya toko ponsel yang bermunculan, smartphone mulai dari rentang harga tinggi(Widiawan Perkembangan teknologi, khususnya teknologi informasi, juga semakin pesat sehingga memudahkan pengguna dalam memahami dan memanfaatkan fungsi internet secara lebih optimal.
(Ariyani et ,2.
Salah satu toko, yaitu Jakarta Cell, masih menerapkan sistem penjualan secara konvensional dalam menawarkan berbagai merek handphone beserta Akan Melimpahnya pilihan yang tersedia sering kali membuat konsumen mengalami Kendala dalam memilih produk yang sesuai dengan preferensi, kebutuhan, ketersediaan dana, serta dimiliki(Unique,2.
Diperlukan sebuah sistem yang dapat membantu konsumen dalam menentukan pilihan maka meningkatnya permintaan wirausahawan di bidang penjualan Dengan strategi pemasaran yang tepat dan pemahaman yang baik terhadap kebutuhan pelanggan, usaha penjualan handphone dapat meraih keuntungan yang signifikan.
Untuk menarik pelanggan dan meningkatkan | Paulus Informatika Journal Paulus Informatika Journal penjualan, toko online perlu memberikan layanan yang terbaik, salah satunya adalah dalam memberikan rekomendasi produk yang tepat kepada konsumen.
Denga ada nya Pemberian rekomendasi produk yang sesuai dapat mendukung peningkatan penjualan sekaligus kepuasan konsumen.
Algoritma K-Nearest Neighbors (KNN) adalah salah satu metode machine learning yang bisa diterapkan.
dalam sistem rekomendasi penjualan handphone.
Prinsip kerjanya adalah dengan mencari data yang memiliki kemiripan paling dekat dengan data baru berdasarkan atribut tertentu.
Dalam konteks penjualan handphone secara online, metode KNN dapat dimanfaatkan untuk memberikan rekomendasi produk kepada konsumen sesuai dengan anggaran yang dimiliki.
Masalah yang dibahas dalam sebuah website penjualan Penulisan ini bertujuan untuk Mempermudah pelanggan dalam memperoleh produk yang sesuai dengan kebutuhan dan mereka,sehingga meningkatkan penjualan handphone secara melalui penilitian berjudul AuPenerapan Algoritma K-Nearest Neighbors Untuk Rekomendasi Produk Pada Penjualan Handphone Berbasis WebAy,sistem ini diharapkan mampu memberikan kemudahan bagi masyarakat dalam memilih dan membeli handphone.
II.
LANDASAN TEORI
Penjualan Produk penjualan merupakan hasil dari Proses produksi yang dilakukan oleh produsen atau perusahaan kemudian memenuhi kebutuhan mereka kebutuhan ehidupan sehari-hari, baik dalam pemenuhan kebutuhan pokok maupun keinginan serta kepuasan gaya hidup, membuat aktivitas menghasilkan pendapatan atau arus kas masuk bagi perusahaan terkait.
Secara Vol.
No.
umum, sebagian besar konsumen cenderung memilih produk yang memiliki harga terjangkau namun tetap berkualitas Produk yang dihasilkan perusahaan dapat berupa barang maupun jasa, disesuaikan dengan kebutuhan konsumen.
(Yuniar et al.
, 2.
Sistem Rekomendasi Sistem rekomendasi menggunakan berbagai metode pencarian informasi untuk menyusun saran yang disesuaikan dengan kebutuhan pengguna.
Rekomendasi ini biasanya dibuat berdasarkan preferensi dari pembuat rekomendasi, pengguna sistem itu sendiri, atau kelompok yang dianggap mewakili minat pasar.
Saat seorang pelanggan mengunjungi sebuah situs, server (K-Nearest Neighbo.
KNN Algoritma KNN (K-Nearest Neighbo.
melakukan proses klasifikasi data kesamaan dengan data yang sudah KNN memperhitungkan data yang memiliki karakteristik mirip dengan data yang sedang dicari dan memberikan rekomendasi berdasarkan data serupa Algoritma K-Nearest Neighbors (KNN) merupakan metode klasifikasi objek yang bertumpu pada data pelatihan dengan memperhatikan jarak terdekat terhadap objek yang akan diklasifikasikan.
KNN termasuk dalam Algoritma supervised learning, di mana hasil dari query instance ditentukan berdasarkan data yang telah tersedia data pelatihan yang tersedia.
Data terbaru diklasifikasikan menurut mayoritas dari K tetangga terdekatnya.
(Yuniar et al.
, 2.
K-Nearest Neighbor (KNN) adalah Algoritma dalam Data mining | Paulus Informatika Journal Paulus Informatika Journal klasifikasi,klasifikasi dengan mengacu pada mayoritas kategori dari tetangga Algoritma ini bertujuan untuk berdasarkan atributnya dan sampel data yang ada.
(Anggela et al.
, 2.
Kedekatan menggunakan Rumus euclidean distance sebagai berikut(T et al.
, 2.
Ket:
xi = Nilai atribut ke-i dari input .
isalnya:Harga yi = Nilai fitur ke-i dari dari data produk dalam data base n = Jumlah fitur .
yang dibandingkan contohnya: harga.
RAM, penyimpanan, kamera Dxy=Nilai jarak .
antara dua data:data input .
dan data dari dataset .
Gambar 2.
1 Alur Flowchart
K-NN
Web Browser Vol.
No.
Web browser adalah aplikasi yang digunakan untuk mengakses halaman-halaman sehingga informasi dapat diperoleh secara terstruktur dan mudah dibaca.
Informasi tersebut diidentifikasi melalui Uniform Resource Identifier (URI) yang dapat berupa halaman web, gambar, video, maupun berbagai jenis konten lainnya.
(Rochmadi, 2.
Xampp
` XAMPP
software yang berperan sebagai server lokal, yang di dalamnya terdapat gabungan menggunakan Apache HTTP Server.
MySQL sebagai basis data, serta interpreter untuk bahasa pemrograman seperti PHP dan Perl (Riyadli et al.
Pegujian BlakBox Pengujian Black Box merupakan metode pengujian perangkat lunak yang menitikberatkan pada fungsi sistem tanpa melihat struktur internal maupun kode programnya memeriksa bagian internalnya.
Keunggulannya, mengenai kode program atau struktur Proses pengujian dilakukan melalui pengamatan pada sisi eksternal sistem, dengan perhatian khusus pada fungsi serta keluaran yang diberikan.
Tujuan utamanya ialah memastikan bahwa setiap fitur Dalam pengujian perangkat lunak, sistem Diuji guna memastikan bahwa sistem fungsional yang telah ditetapkan telah ditetapkan(Rosa & Shalahuddin, 2.
HASIL DAN PEMBAHASAN
1 Kebutuhan Fungsional Kebutuhan terdapat dalam sistem yang dirancang sebagai berikut :
Admin dapat login ke dalam pada sistem website.
| Paulus Informatika Journal Paulus Informatika Journal Admin konaumen sistem yang sudah terdaftar di website.
Admin dapat mengelola data nama kecamatan,edit dan juga Hapus.
Admin dapat mengelola data Kelurahan sama dengan kecamatan kelurahan dapat juga di tambah,edit dan juga hapus.
Admin dapat mengelola Data Kategori Handphone tipe dan merek seperti samsung,vivo,infinix,oppo,realme,xio ami,poco dan lain-lain.
Admin dapat mengelola data diskon pada Handphone menentukan tanggal tanggal mulai Diskon sampai Tanggal Admin ongkir,yang di mana ongkir dapat di hitung berdasarkan kecamatan dan kelurahan,data ongkir bisa tambah ongkir berdasarkan kecamtan dan kelurahan,edit dan juga hapus .
Admin dapat mengelola data Rekening dari Toko Jakarta Cell,seperti nama Bank,Nomor Rekening,Nama Pemilik.
Admin dapat mengelola data Dari,Pesanan Online Hingga Offline,yang mana pesan online melalui website yang di buat sedangkan pesan offline yang di mana konsumen bisa datang ke toko Langsung.
Admin dapat mengelola data pembayaran online maupun offline.
Admin dapat mencetak laporan penjualan dan bisa menentukan pilihan tanggal mulai dan tanggal sampai,akan menampilkan data laporan tambel bisa donwload dalam bentuk PDF dan juga bisa langsung Kasir dapat login ke dalam pada Kasir dapat mengelola data tansaksi online dari pesanan proses samapi pesanan selesai .
Kasir dapat mengelola data transaksi Offline yang di mana Vol.
No.
konsumen bisa datang langsung ke toko .
Kasir dapat mencetak laporan penjualan dan bisa menentukan pilihan tanggal mulai dan tanggal sampai,akan menampilkan data laporan tambel bisa donwload Tersedia dalam format PDF dan dapat langsung dicetak.
Pemilik dapat login ke dalam pada Pemilik dapat mencetak laporan penjualan dan bisa menentukan pilihan tanggal mulai dan tanggal sampai,akan menampilkan data laporan tambel bisa donwload Disajikan dalam format PDF serta dapat langsung dicetak Konsumen registrasi sistem di website.
Konsumen dapat login ke dalam pada Kosnumen dapat melakukan reset Konsumen dapat dapat mealkukan Edit foto,alamat,no telfon Konsumen dapat melihat form pencarian rekomendasi Smartphone berdasarkan kriteria klasifikasi yang diinginkan pengguna.
Konsumen dapat melihat produk yang di jual pada website.
Konsumen dapat melihat halaman keranjang belanja.
pada tabel Ditampilkan informasi produk,harga,berat,jumlah yang di beli,total harga Konsumen dapat upload bukti pembayaran transfer dan bentuk jpg dan png Konsumen dapat melihat halaman pesanan yang berfungsi untuk pembelian oleh pengguna Kurir Konsumen dapat login ke dalam pada website.
Kurir dapat melihat halaman pesanan untuk diantar pada sistem.
pada tabel | Paulus Informatika Journal Paulus Informatika Journal ini ditampilkan informasi pesanan pelanggan yang meliputi nomor urut,nama pelanggan,beserta alamat,tanggal pesanan ,Kurir juga bisa foto barang yang sudah sampai di lokasi konsumen sebagai bukti.
bahwa pesanan di pesanan oleh konsumen telah sampai lokasi bukti foto akan terkirim ke konsumen,kasir dan juga admin.
2 Rancangan Use Case Diagram Gambar 4.
1 Use Case Diagram Aktor Konsumen Gambar 4.
2 Use Case Diagram Aktor Vol.
No.
3 Rancangan Class Diagram Gambar 4.
3 Use Case Diagram Aktor Admin Gambar 4.
4 Use Case Diagram Aktor Kasir Gambar.
5 Use Case Diagram Aktor Kurir | Paulus Informatika Journal Paulus Informatika Journal Gambar 4.
6 Class Diagram 4 Rancangan Activity Diagram Gambar 4.
7 Rancangan Activity Diagram login Pada Admin Gambar 4.
8 Rancangan Activity Diagram Beranda pada Admin Vol.
No.
Gambar 4.
9 Rancangan Activity Diagram Kategori pada Admin Gambar 4.
10 Rancangan Activity Diagram Produk Pada Admin Gambar 4.
11 Rancangan Activity Diagram Pengguna Pada Admin | Paulus Informatika Journal Paulus Informatika Journal Gambar 4.
12 Rancangan Activity Diagram Kecamatan Pada Admin Gambar 4.
13 Rancangan Activity Diagram Kelurahan Pada Admin Gambar 4.
14 Rancangan Activity Diagram Ongkir Pada Admin Vol.
No.
Gambar 4.
15 Rancangan Activity Diagram Pesanan Pada Admin Gambar 4.
16 Rancangan Activity Diagram Pembayaran Pada Admin Gambar 4.
17 Rancangan Activity Diagram Laporan Pada Admin | Paulus Informatika Journal Paulus Informatika Journal Gambar 4.
18 Rancangan Activity Diagram Login Pada Pemilik Toko Gambar 4.
19 Rancangan Activity Diagram Beranda Pada Pemilik Toko Gambar 4.
20 Rancangan Activity Diagram Laporan Penjualan Pada Pemilik Toko Vol.
No.
Gambar 4.
21 Rancangan Activity Diagram Login Pada Kasir Gambar 4.
24 Rancangan Activity Diagram pesanan selesai yang sudah di proes Pada Kasir Gambar 4.
22 Rancangan Activity Diagram Beranda Pada Kasir Gambar 4.
25 Rancangan Activity Diagram Login Pada Kurir Gambar 4.
23 Rancangan Activity Diagram pesanan proses Pada Kasir Gambar 4.
26 Rancangan Activity Diagram Beranda Pada Kurir | Paulus Informatika Journal Paulus Informatika Journal Vol.
No.
Gambar 4.
27 Rancangan Activity Diagram Lihat Pesanan Pada Kurir Gambar 4.
28 Rancangan Activity Diagram Registrasi Pada Konsumen Gambar 4.
29 Rancangan Activity Diagram Login Pada Konsumen | Paulus Informatika Journal Paulus Informatika Journal Gambar 4.
30 Rancangan Activity Diagram Beranda Pada Konsumen Gambar 4.
31 Rancangan Activity Diagram Lihat Produk Pada Konsumen Gambar 4.
32 Rancangan Activity Diagram Rekomendasi Pada Konsumen Vol.
No.
5 Implementasi Implementasi dari Sistem rekomendasi smartphone Berbasis Website yang dibuat dengan menggunakan algoritma K-Nearest Neighbor sebagai berikut:
Gambar 4.
33 Rancangan Activity Diagram Keranjang Pada Konsumen Gambar 4.
35 Tampilan menu Utama Halaman penjualan Rekomendasi handaphone Berbasis Website Gambar 4.
34 Rancangan Activity Diagram Lihat pesan Pada Konsumen Gambar 4.
36 Halaman Rekomendasi Produk bagi Pembeli Gambar 4.
37 Konsumen input Spesifikasi Handphone | Paulus Informatika Journal Paulus Informatika Journal Vol.
No.
IV.
KESIMPULAN DAN SARAN
Pada Gambar 4.
34 dan Gambar 35, aplikasi memperlihatkan halaman memasukkan empat pilihan spesifikasi Data yang diinput tersebut akan digunakan untuk menentukan klasifikasi kelas smartphone.
Setelah itu, pengguna dapat menekan tombol Cari Rekomendasi untuk menampilkan hasil klasifikasi berdasarkan spesifikasi yang dimasukkan menggunakan Algoritma KNearest Neighbor.
Gambar 4.
38 Halaman Tampilan Spesifikasi Pada Gambar 4.
38 Halaman tampilan Spesifikasi Handphone lanjutan dari halaman input, yang akan memasukkan spesifikasi yang diperlukan dan menekan tombol Cari Rekomendsi.
Pada halaman ini, terdapat sebuah gambar dan nama produk yang menampilkan hasil klasifikasi dari data yang diinput menggunakan Algoritma K-Nearest Neighbor.
Selain itu, tersedia tombol lihat Detail Smartphone yang berfungsi untuk menampilkan rekomendasi smartphone sesuai dengan kelas yang telah diklasifikasikan ketika tombol tersebut Klik.
| Paulus Informatika Journal Paulus Informatika Journal 1 Kesimpulan Sesudah melalui beberapa tahap, dimulai dari perancangan, implementasi, hingga pengujian maka peneliti memberi kesimpulan sebagai berikut: Berdasarkan hasil penelitian dan implementasi sistem rekomendasi produk Algoritma K-Nearest Neighbors (KNN) pada penjualan handphone di Jakarta Cell, maka dapat disimpulkan beberapa hal sebagai berikut:
Penerapan Algoritma K-Nearest Neighbor (KNN) memungkinkan sistem memberikan Handphone berdasarkan kemiripan atribut,seperti Harga,Ram ,Penyimpanan Kamera,dan harga,yang disesuaikan dengan preferensi dan kebutuhan konsumen.
Sistem yang dibangun memudahkan konsumen dalam menentukan pilihan meningkatkan efisiensi dalam proses pembelian dan mengurangi kebingungan konsumen terhadap banyaknya pilihan yang tersedia.
Hasil pengujian sistem menggunakan metode black-box menunjukkan bahwa semua fitur berfungsi sesuai dengan fungsionalitas yang diharapkan, dan sistem mampu memberikan hasil rekomendasi yang tepat berdasarkan input dari 2 Saran Dalam pengembangan lebih lanjut dari sistem ini, penulis memberikan beberapa saran sebagai berikut:
Pengembangan atribut tambahan seperti ukuran layar, dan kapasitas baterai dapat dijadikan pertimbangan dalam proses rekomendasi agar hasil lebih personal dan sesuai dengan kebutuhan pengguna secara menyeluruh.
Sistem dapat dikembangkan menjadi aplikasi mobile untuk memperluas jangkauan pengguna dan memberikan kemudahan akses kapan saja dan di Vol.
No.
mana saja.
ONSIVETeknikInformatika,2.
ps://doi.
org/10.
36352/jr.
perhitungan biaya kurir berdasarkan jarak real.
DAFTAR PUSTAKA
Anggela.
Santoso.
, &
Andjarwirawan.
Sistem Rekomendasi Pembelian Laptop dengan K-Nearest Neighbor ( KNN ).
Jurnal Infra, 10.
, 254Ae 26https://publication.
id/in php/teknik informatika/article/view/12739 Dirgantara.
, & Suryadarma.
Perancangan Sistem Informasi Penyewaan Alat Kesehatan Pt Xyz Berbasis Web.
Jurnal Sistem InformasiUniversitasSuryadarma ,10.
,7989.
https://doi.
org/10.
968/jsi.
Ariyani.
Kurniawan.
Pamulang.
Puspitek.
, &
Selatan.
Sistem Informasi Transaksi Alat-Alat Kesehatan Berbasis Web Pada PT Cipta Multi Persada.
, 1119Ae Haryono, .
Pengaruh Penggunaan Website terhadap Penjualan Produk Pengusaha UMKM pada Asosiasi Industri Kreatif Depok.
Sosio E-Kons, 10.
,39.
https://doi.
org/10.
/sosioekons.
Bagus.
Fiati.
, & Murti.
IMPLEMENTASI EBENGKELBERBASIS
ANDROID.
Seminar Nasional AplikasiTeknologi Dan Informatika.
Jailani.
, & Patrie.
Analisa dan Rancangan Sistem Informasi Penjualan Parfum Berbasis E-Commerce pada Toko Seruni Parfum.
Jurnal IDEALIS, 2.
, 98Ae105.
Basori.
Isnaini.
Setyowati.
, &
Phommavongsa, .
Development of an Android-Based Reward System to Enhance the Activity of Learning.
Jurnal Pendidikan Teknologi Dan Kejuruan, 24.
, 116Ae124.
https://doi.
org/10.
21831/jptk.
Lhokseumawe.
Pengantar.
Alwie, rahayu deny danar dan alvi furwanti.
Prasetio.
, &
Andespa.
Sistem Informasi Manajemen Pembelian Dan Penjualan Berbasis Web Pada Tatanan Cafe And Vape Store.
Jurnal Ekonomi Volume 18.
Nomor 1 Maret201, 2.
, 41Ae49.
Darwiyanti.
S dan Wahono.
Pengantar Unified Modeling Http://Setia.
Staff.
Gunad Ac.
Id/Downloads/Files/6039 /MateriSuplemenUml.
Pdf.
, 1Ae13.
Mulyana.
Implementasi Algoritma K-Nearest Neighbor UntukRekomendasiSmartphone.
Pet ir,16.
,2938.
https://doi.
org/10.
22/petir.
Dewi.
Veza.
, & Nuraini.
Analisis Dan Implementasi Sistem Informasi Penjualan Berbasis Web Pada Ukm Tiara CakeryBatam.
JR:JURNALRESP
Rina | Paulus Informatika Journal Paulus Informatika Journal Noviana.
Pembuatan Aplikasi Penjualan Berbasis Web Monja Store Menggunakan Php Dan Mysql.
Jurnal Teknik Dan Vol.
No.
Science, 1.
, 112Ae124.
https://doi.
org/10.
56127/jts.
Rochmadi.
Live Forensik Untuk Analisa Anti Forensik Pada Web Browser Studi Kasus Browzar.
Indonesian Journal of Business Intelligence (IJUBI), 1.
,32.
https://doi.
org/10.
21927/ij Sholiq.
Analisis Dan Perancangan Berorientasi Obyek.
Teknoif, 3.
, 1Ae6.
Sulaiman.
Aplikasi Global Positioning System Pada Alat Bantu Tuna Netra.
POLITEKNIKNEGERISRIWIJAY
, 9Ae10.
Sutanta.
Sistem Informasi Manajemen .
Boo.
http://grahailmu.
Sharma.
Priyanka Bhardwaj, & Manish Bhardwaj.
Differences between HTML and HTML 5.
International Journal Of Computational Engineering Research, 2.
, 1430Ae1437.
Yanosma.
, & Anggriani.
Implementasi Metode KNearest Neighbor (Kn.
Dan Simple Additive Weighting (Sa.
Dalam Pengambilan Keputusan Seleksi Penerimaan AnggotaPaskibraka.
Pseudocode, 3.
,98112.
https://doi.
org/10.
369/pseudocode.
Timor.
, & Nabella.
REKOMENDASI PEMBELIAN
FURNITUREDENGANBANT
UANALGORITMAKNEARES
TNEIGHBOUR.
JurnalSains & Teknologi Fakultas Teknik, 12.
, 183-189.
Wibowo.
, & Munir.
Sistem Rekomendasi Jual Beli | Paulus Informatika Journal Paulus Informatika Journal Barang dengan Memanfaatkan Metode Collaborative Filtering dan Basis Data Graf (Studi Kasus:
Bukalapak.
Tugas Akhir.
Sch.
of Elect.
Eng.
and A.
https://informatika.
id/ri munir/TA/Makalah_TA David Eko Wibowo.
Widiawan.
Lesmana.
, &
Fernando.
Penerapan Logika Fuzzy Untuk Sistem
Rekomendasi