Personalisasi Otomatis Aplikasi Caca (Cari Cafe) Berbasis Artificial Intelligence

Salma Pusriwijayanti; Agi Prasetiadi; Diandra Chika Fransisca

doi:10.30591/smartcomp.v12i4.5570

Personalisasi Otomatis Aplikasi Caca (Cari Cafe) Berbasis Artificial Intelligence

Salma Pusriwijayanti, Agi Prasetiadi, Diandra Chika Fransisca

Abstract

Peningkatan produksi kopi menciptakan peluang bisnis olahan kopi, memunculkan banyak cafe. Dalam mengikuti perkembangan zaman, pengusaha perlu menggunakan teknologi terkini dengan menyediakan aplikasi reservasi cafe untuk meningkatkan kepuasan pelanggan dan bersaing di pasar yang semakin kompetitif. Penelitian sebelumnya mengenai aplikasi berbasis mobile dengan Extreme Programming yang fokus pada kepuasan pelanggan, memungkinkan pemesanan makanan lebih awal, dan memantau pesanan pelanggan melalui website. Penelitian ini membuat aplikasi CACA (Cari Cafe) yang dirancang untuk melakukan reservasi cafe dan menyediakan informasi tentang cafe-cafe pada satu aplikasi berbasis website. Dalam mencapai personalisasi otomatis, teknologi artificial intelligence seperti Optical Character Recognition (OCR), Convolutional Neural Network (CNN), dan Siamese Neural Network (SNN) digunakan. Personalisasi otomatis aplikasi CACA melibatkan pembacaan e-KTP sebagai data registrasi, pengenalan gambar wajah pengguna untuk memberikan rekomendasi cafe berdasarkan kesukaan atau kebiasaan, dan pencocokan wajah pengguna untuk verifikasi akun member. Penelitian ini berhasil mengimplementasikan OCR pada gambar e-KTP dengan bounding box di mana nilai box_loss sebesar 0.05211 dan nilai cls_loss sebesar 0.01598. Penggunaan transfer learning model VGG16 dengan fungsi aktivasi sigmoid untuk menebak 11 komponen kesukaan atau kebiasaan pengguna juga mencapai tingkat keberhasilan yang optimal. Selain itu, metode verifikasi menggunakan SNN juga memberikan hasil yang baik, dengan mencocokan foto pada gambar e-KTP dengan foto selfie dan mencapai akurasi sebesar 0.9285 dengan nilai loss 0.0170.

Full Text:

References

F. Nurikhsan, W. S. Indirianie, and D. Safitri, “Fenomena coffee shop di kalangan konsumen remaja,” pp. 137–144, 2017.

Riski Wahyu Nugroho, “Rancang Bangun Sistem Informasi Penjualan untuk Startup Bisnis Cafe Online pada Cafe di Daerah Caruban Jawa Timur Berbasis Web,” 2018.

M. Athir Adib Zulfakor and S. Abd Razak, “Café Finder System (Easy Meal),” UTM Comput. Proc., p. 4, 2018.

F. Nurlaila, “Aplikasi Pemesanan Makanan pada Restoran 1953 Indonesia Berbasis Web,” J. Inform. Univ. Pamulang, vol. 4, no. 1, p. 16, 2019, doi: 10.32493/informatika.v4i1.2585.

A. S. Rajawat and A. R. Upadhyay, “Web personalization model using modified S3VM algorithm for developing recommendation process,” 2nd Int. Conf. Data, Eng. Appl. IDEA 2020, 2020, doi: 10.1109/IDEA49133.2020.9170701.

H. Kim, S. Jung, and G. Ryu, “A Study on the Restaurant Recommendation Service App Based on AI Chatbot Using Personalization Information,” Int. J. Adv. Cult. Technol., vol. 8, no. 4, pp. 263–270, 2020, [Online]. Available: https://www.koreascience.or.kr/article/JAKO202008351737595.page%0Ahttps://doi.org/10.17703/IJACT.2020.8.4.263.

A. Meiranny and A. M. Chabibah, “Pengaruh Konsumsi Minuman Berkafein Terhadap Pola dan Kualitas Tidur Mahasiswa : A Literatur Review,” Mppki, vol. 5, no. 2, pp. 117–122, 2022.

O. S. Hidayat, “Pengaruh Model Active Learning Dan Tipe Kepribadian Terhadap Kemampuan Berbicara,” JPUD - J. Pendidik. Usia Dini, vol. 12, no. 1, pp. 130–140, 2018, doi: 10.21009//jpud.121.11.

P. Divya et al., “Web based optical character recognition application using flask and tesseract,” Mater. Today Proc., no. xxxx, 2021, doi: 10.1016/j.matpr.2020.10.850.

U. B. Perjuangan, T. Rohana, U. B. Perjuangan, D. S. Kusumaningrum, and U. B. Perjuangan, “Implementasi Metode Tesseract OCR ( Optical Character Recognition ) untuk Deteksi Plat Nomor Kendaraan Pada Sistem Parkir,” vol. III, pp. 59–67, 2022.

P. M. Alamdari, N. J. Navimipour, M. Hosseinzadeh, A. A. Safaei, and A. Darwesh, “Image-based Product Recommendation Method for E-commerce Applications Using Convolutional Neural Networks,” Acta Inform. Pragensia, vol. 11, no. 1, pp. 15–35, 2022, doi: 10.18267/j.aip.167.

M. F. Naufal, “Comparative Analysis of Image Classification Algorithm for,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 2, pp. 311–318, 2021, doi: 10.25126/jtiik.202184553.

M. Toby Suwindra, A. Erlansari, and J. W. Supratman Kandang Limun, “Analisis Kemiripan Jenis Burung Menggunakan Siamese Neural Network Analysis of Bird Species Similarity Using Siamese Neural Network,” J. Rekursif, vol. 9, no. 2, 2021, [Online]. Available: http://ejournal.unib.ac.id/index.php/rekursif/193.

L. Torres, N. Monteiro, J. Oliveira, J. Arrais, and B. Ribeiro, “Exploring a Siamese Neural Network Architecture for One-Shot Drug Discovery,” Proc. - IEEE 20th Int. Conf. Bioinforma. Bioeng. BIBE 2020, pp. 168–175, 2020, doi: 10.1109/BIBE50027.2020.00035.

D. Z. Putri, D. Puspitaningrum, and Y. Setiawan, “Konversi Citra Kartu Nama ke Teks Menggunakan Teknik OCR dan Jaro-Winkler Distance,” J. Teknoinfo, vol. 12, no. 1, p. 1, 2018, doi: 10.33365/jti.v12i1.35.

K. Ibnutama, Z. Panjaitan, and E. F. Ginting, “J-SISKO TECH Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Modifikasi Metode Template Matching pada OCR Untuk Meningkatkan Akurasi Deteksi Plat Nomor Kendaraan,” , vol. 21, no. 2, pp. 21–29, 2019.

K. A. Baihaqi and C. Zonyfar, “Deteksi Lahan Pertanian Yang Terdampak Hama Tikus Menggunakan Yolo v5,” Syntax J. Inform., vol. 11, no. 02, pp. 1–9, 2022.

E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, pp. 117–123, 2020, doi: 10.31294/p.v22i2.8907.

I. Denata, T. Rismawan, and I. Ruslianto, “Implementation of Deep Learning for Classification Type of Orange Using The Method Convolutional Neural Network,” Telematika, vol. 18, no. 3, p. 297, 2021, doi: 10.31315/telematika.v18i3.5541.

H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.

A. Rohim, Y. A. Sari, and Tibyani, “Convolution neural network (cnn) untuk pengklasifikasian citra makanan tradisional,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 7, pp. 7038–7042, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5851/2789.

K. Kartarina, L. Z. A. Mardedi, M. Madani, M. Jihad, and R. A. Riberu, “Deep Learning Identifikasi Tanaman Obat Menggunakan Konsep Siamese Neural Network,” JTIM J. Teknol. Inf. dan Multimed., vol. 2, no. 4, pp. 223–228, 2021, doi: 10.35746/jtim.v2i4.114.

DOI: https://doi.org/10.30591/smartcomp.v12i4.5570