Klasifikasi Rating Jual-Beli Pada Usaha Lokal UMKM di Indonesia menggunakan pendekatan Kecerdasan Buatan dan Sistem Collaborative Filtering

Indonesia dengan jumlah penduduk sekitar 276 juta jiwa, sekitar 23% penduduknya memiliki mata pencaharian berupa kegiatan bisnis dalam bentuk UMKM – Usaha Mikro, Kecil dan Menengah. Berdasarkan data dari Kementrian Koperasi dan Usaha Kecil dan Menengah (KemenkopUKM) di Indonesia terdapat 64,2 juta UMKM. Dari jumlah tersebut, keberadaan UMKM menyumbang 60% PDB Indonesia dan UMKM itu sendiri berperan penting dalam mengurangi tingkat pengangguran. Dengan kondisi merebaknya COVID-19 pada dua tahun belakangan ini, berdasarkan data Bank Indonesia (BI), sebanyak 87,5% UMKM di Indonesia terdampak pandemic COVID-19. Dengan demikian, UMKM di Indonesia memerlukan banyak cara untuk tetap dapat bertahan dalam menjalankan usahanya.

Salah satu cara untuk UMKM tetap dapat bertahan dan beradaptasi yaitu dengan cara diberikan dukungan secara komprehensif mengenai digitalisasi UMKM. Dengan perubahan tata cara jual-beli di masa pandemic ini maka pemanfaatan teknologi digital dengan cara mengamati kegemaran dan/atau keperluan pembeli (atau customer) merupakan salah satu upaya untuk tetap dapat mempertahankan sebuah UMKM maupun perekonomian Indonesia. Dengan menerapkan kaidah ilmu informatika, penyelesaian mengenai hal tersebut dapat dilakukan dengan cara membantu penjual untuk memantau penjualan yang banyak diminati oleh pembeli menggunakan sistem klasifikasi jual-beli yang mengacu kepada dua metode ilmu dari Informatika yaitu pendekatan kecerdasan buatan dan sistem collaborative filtering.

Salah satu pelaku UMKM brand sepatu local di Sulawesi yaitu Tarsius store selama ini mengalami kesulitan untuk melakukan pemilahan mengenai kesukaan dari para pembeli sepatunya. Padahal dengan mempelajari kegemaran jenis sepatu dari calon pembeli dapat memberikan dampak UMKM tetap dapat mempertahankan management dan/atau bahkan meningkatkan pemasarannya. Solusi dari permasalahan tersebut, pada pengajuan pengabdian masyarakat kali ini akan dipelajari karakter dan minat dari pembeli sepatu sebelumnya menggunakan algoritma kecerdasan buatan (yaitu naïve bayes dan logistic regression) dan sistem rekomendasi menggunakan skema collaborative filtering. Luaran pengabdian masyarakat ini yaitu rekomendasi mengenai klasifikasi terhadap rating jual-beli sepatu brand lokal. Pelaksanaan pengabdian masyarakat ini akan melibatkan tiga dosen dan tiga mahasiswa yang berasal dari Fakultas Informatika di Universitas Telkom. Kegiatan pengabdian kepada masyarakat ini mendukung program SDG pekerjaan layak dan pertumbuhan ekonomi, selain itu secara tidak langsung juga mendukung berkurangnya kesenjangan sosial.

Hasil pengamatan mengenai hasil rekomendasi di ukur dalam dua bentuk, yakni melalui survei dari para pelanggan dan akurasi sistem mengenai hasil klasifikasi. Sistem rekomendasi berhasil dibuat menggunakan metode collaborative filtering dengan algoritma user-based dan menghasilkan 10 item teratas yang dapat direkomendasikan kepada user atau konsumen. Berdasarkan hasil akurasi pengujian pada satu user mendapatkan nilai terbaik sebesar 0.23 pada pengujian 10 tetangga terdekat dari Customer 54. Sedangkan, pada pengujian lima user Customer 176 mendominasi nilai akurasi terbaik sebesar 0,25. Hasil akurasi dari pengujian ini, dapat dikatakan sangat baik karena mendekati angka 0. Pada survei yang telah dilakukan, diperoleh sebanyak 97,4% responden yang membutuhkan rekomendasi item, dan sebanyak 99,5% responden yang akan menerima item yang akan direkomendasikan. Berdasarkan hasil survei dengan membandingkan rating prediksi dan rata-rata rating dari responden didapatkan nilai kecocokan  menggunakan MAE sebesar 0,69.