Sistem Rekomendasi Pemilihan Jenis Baju Batik Menggunakan Metode Knowledge-Based Di Batik Amarta

Salah satu usaha batik yang mengkuti perkembangan teknologi yaitu Batik Amarta. Batik Amarta merupakan salah satu produsen baju batik terbesar di Masaran. Batik Amarta melakukan penjualan secara langsung dan melalui e-commerce seperti Tiktok dan Tokopedia karena batik amarta belum memiliki sebuah website sendiri. Dibagian ini muncul permasalahan dimana pelanggan mengalami kesulitan menentukan produk baju batik karena ada perbedaan dari produk lainnya, yang tentunya dari jenis batik, warna, bahan, kualitas, dan anggaran pada jenis produk baju batik. Tujuan penelitian untuk membangun sistem rekomendasi pemilihan produk baju batik menggunakan metode knowledge-based.
Metode yang digunakan pada penelitian ini yaitu Rapid Application Development (RAD) menggunakan metode pengembangan sistem dengan 4 tahap yaitu perencanaan kebutuhan, desain sistem, proses pengembangan, dan implementasi. Knowledge Based merupakan metode sistem rekomendasi pada penelitian ini dengan kelebihan dapat memberikan skala prioritas pelanggan sesuai keinginan pelanggan terhadap produk.
Pemodelan data dengan metode knowledge-based recommendation menggunakan data sampel berjumlah 20 produk baju batik dan 5 atribut yaitu jenis batik, warna, bahan, kualitas, harga. Dapat memberikan rekomendasi produk berdasarkan kebutuhan pelanggan dan atribut produk. Produk baju batik dengan nilai kemiripan tertinggi akan menjadi hasil rekomendasi. Dalam hal ini, produk dengan nilai kemiripan tertinggi yaitu 0,949901 adalah baju batik Kasual PRANAWA - S. Dengan demikian, Hasil analisis ini dapat membantu dan meningkatkan kepuasan pelanggan sehingga tidak perlu lagi mengalami kesulitan ketika menentukan jenis produk baju batik. Dan bisa sebagai referensi untuk pengembangan sistem rekomendasi pemilihan baju batik. Hasil pengujian menunjukkan bahwa sistem rekomendasi telah diuji menggunakan metode Blackbox Testing dan Recall Precision. Pengujian Blackbox Testing menunjukkan bahwa sistem berfungsi dengan baik sesuai dengan yang diharapkan. Pengujian Recall Precision menghasilkan nilai recall sebesar 100% dan precision sebesar 93,4% yang menunjukkan bahwa sistem ini mampu memberikan rekomendasi produk batik dengan tingkat akurasi yang baik.