Thanks to visit codestin.com
Credit goes to github.com

Skip to content

Sistem rekomendasi produk berbasis pola pembelian pengguna menggunakan pendekatan modern dengan dua algoritma utama: Collaborative Filtering dan Apriori Algorithm. Proyek ini bertujuan untuk memberikan rekomendasi personalisasi kepada pelanggan berdasarkan riwayat pembelian mereka. Dibangun dengan teknologi Laravel dan Blade Template Engine

License

Notifications You must be signed in to change notification settings

LycusCoder/TokoOnline

Repository files navigation

πŸ›οΈ Sistem Rekomendasi Produk E-Commerce Berbasis Pola Pembelian Pengguna

License: MIT contributions welcome GitHub last commit

Sistem rekomendasi produk berbasis pola pembelian pengguna menggunakan pendekatan modern dengan dua algoritma utama: Collaborative Filtering dan Apriori Algorithm. Proyek ini bertujuan untuk memberikan rekomendasi personalisasi kepada pelanggan berdasarkan riwayat pembelian mereka.

Dibangun dengan teknologi Laravel dan Blade Template Engine, sistem ini cocok digunakan dalam platform e-commerce yang ingin meningkatkan pengalaman belanja serta efisiensi pemasaran.


🎯 Tujuan Proyek

  • Meningkatkan pengalaman belanja online dengan rekomendasi produk yang relevan.
  • Memperkuat analisis data pembelian untuk strategi bisnis yang lebih baik.
  • Mengimplementasikan algoritma Collaborative Filtering dan Apriori secara akurat dan efektif.

πŸ”§ Teknologi yang Digunakan

Komponen Teknologi
Backend Laravel 10+
Frontend Blade Template Engine
Database MySQL (dapat disesuaikan)
Algoritma Collaborative Filtering, Apriori Algorithm
Tools Composer, NPM, Vite, PHP 8+

πŸ“¦ Fitur Utama

  • Rekomendasi Personalisasi: Menampilkan produk berdasarkan riwayat pembelian dan preferensi pengguna.
  • Analisis Pola Pembelian: Menggunakan algoritma Apriori untuk menemukan itemset yang sering dibeli bersama.
  • Dashboard Admin: Untuk melihat hasil analisis dan mengelola data.
  • Antarmuka Intuitif: UI sederhana dan responsif untuk pengunjung dan admin.

πŸ“ Struktur Direktori (Ringkasan)

Proyek ini mengikuti struktur standar Laravel dengan tambahan fitur analisis dan rekomendasi.
Untuk detail struktur direktori lengkap, silakan lihat di sini.


πŸš€ Cara Menjalankan Proyek

1. Clone Repositori

git clone https://github.com/LycusCoder/Sistem-Rekomendasi-Produk-E-Commerce.git
cd Sistem-Rekomendasi-Produk-E-Commerce

2. Install Dependencies

composer install
npm install

3. Konfigurasi Database

Salin file .env.example menjadi .env:

cp .env.example .env

Lalu ubah konfigurasi database di file .env:

DB_CONNECTION=mysql
DB_HOST=127.0.0.1
DB_PORT=3306
DB_DATABASE=sistem_rekomendasi
DB_USERNAME=root
DB_PASSWORD=

4. Generate Key

php artisan key:generate

5. Migrasi Database

php artisan migrate

6. Seed Data (Opsional)

php artisan db:seed

7. Jalankan Server

php artisan serve

Akses aplikasi di: http://127.0.0.1:8000


πŸ“ Struktur Direktori Lengkap

Struktur folder lengkap bisa kamu lihat di file README.md atau langsung dari repositori.


🀝 Kontribusi

Kami sangat senang menerima kontribusi dari komunitas! Jika kamu tertarik untuk membantu pengembangan proyek ini:

  1. Fork repositori
  2. Buat branch baru (git checkout -b fitur-baru)
  3. Lakukan perubahan
  4. Commit dan push
  5. Buat Pull Request

Silakan baca file CONTRIBUTING.md untuk panduan lebih lanjut.


πŸ“ž Kontak Tim

Jika ada pertanyaan atau ingin berdiskusi lebih lanjut, jangan ragu untuk menghubungi kami:


πŸ“„ Lisensi

Proyek ini dibuat di bawah lisensi MIT License. Silakan lihat file LICENSE untuk detail selengkapnya.


πŸ† Dukung Kami

Jika kamu menyukai proyek ini, jangan ragu untuk memberikan ⭐ pada repositorinya atau berkontribusi dalam pengembangan lebih lanjut!

About

Sistem rekomendasi produk berbasis pola pembelian pengguna menggunakan pendekatan modern dengan dua algoritma utama: Collaborative Filtering dan Apriori Algorithm. Proyek ini bertujuan untuk memberikan rekomendasi personalisasi kepada pelanggan berdasarkan riwayat pembelian mereka. Dibangun dengan teknologi Laravel dan Blade Template Engine

Topics

Resources

License

Contributing

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Contributors 4

  •  
  •  
  •  
  •  

Languages