Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Rekomendasi Baju Adat Menggunakan Algoritma Weighted Product: Penerapan Metode Weighted Product dalam Pemilihan Baju Adat Berdasarkan Kriteria Multikriteria Jenny Konirlir Tarigan; Lidya Wati
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 3 (2025): Volume 9 Nomor 3 Agustus 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i3.15121

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi rekomendasi baju adat yang dirancang agar dapat membantu pengguna dalam memilih baju adat sesuai dengan jenis acara tertentu. Aplikasi ini dibangun dan diimplementasikan menggunakan Bahasa pemrograman flutter dan dart. Penelitian ini mengidentifikasi beberapa kriteria penting untuk menentukan rekomendasi baju adat seperti usia, ukuran, harga, warna, dan jenis acara. Untuk menentukan rekomendasi baju adat digunakan algoritma Weighted Product, sebuah metode yang efektif untuk pengambilan keputusan. Sedangkan metode pengembangannya menggunakan metode prototype yang memiliki 5 tahapan yaitu communication, quick plan, modeling quick design, construction of prototype, deployment delivery & feedback. Aplikasi ini memiliki berbagai fitur, seperti menampilkan rekomendasi baju adat berdasarkan kriteria yang dimasukkan pengguna, menampilkan gambar dan jenis baju adat, serta menyediakan fitur pencarian yang memudahkan masyarakat untuk menemukan baju adat sesuai dengan kebutuhan pengguna. Pengujian aplikasi dilakukan menggunakan metode black-box testing untuk memastikan bahwa semua fungsi berjalan sesuai harapan. Dengan algoritma Weighted Product diharapkan dalam pemilihan baju adat menjadi lebih akurat. Dengan menggunakan bobot yang tepat, metode ini dapat membantu pengambil keputusan dalam mengatasi kompleksitas dalam memilih alternatif yang paling sesuai dengan kebutuhan masyarakat. Tingkat akurasi aplikasi dihitung menggunakan perhitungan manual dan mencapai 86%, yang menunjukkan kinerja sistem rekomendasi yang baik.