Sistem rekomendasi pembelian mobil listrik berbasis web menggunakan metode weighted product

INDONESIA:

Perkembangan teknologi kendaraan listrik di Indonesia semakin pesat, namun konsumen masih mengalami kesulitan dalam menentukan mobil listrik yang sesuai dengan kebutuhan dan preferensi mereka. Penelitian ini bertujuan untuk membangun sistem rekomendasi pembelian mobil listrik berbasis web menggunakan metode Weighted Product (WP) serta mengevaluasi kualitas hasil rekomendasinya menggunakan metode Normalized Discounted Cumulative Gain (nDCG). Data yang digunakan merupakan data sekunder sebanyak 125 jenis mobil listrik yang diperoleh dari GAIKINDO dan situs resmi pabrikan, dengan lima kriteria utama yaitu harga, jarak tempuh, kapasitas baterai, power, dan ketersediaan service station. Metode WP digunakan untuk melakukan perhitungan pemeringkatan berdasarkan bobot preferensi pengguna pada masing-masing kriteria. Sistem kemudian menghasilkan rekomendasi tiga mobil terbaik untuk setiap skenario pengujian. Selanjutnya, metode nDCG digunakan untuk mengevaluasi kualitas peringkat yang dihasilkan oleh sistem terhadap kesesuaian preferensi pengguna. Pengujian dilakukan terhadap 10 skenario bobot preferensi yang berbeda-beda. Hasil evaluasi menunjukkan bahwa nilai nDCG berada pada rentang 0,50 hingga 1,00, dengan sebagian besar skenario memperoleh nilai di atas 0,90, serta menghasilkan rata-rata nilai nDCG sebesar 0,9307 atau 93,07%. Hal ini menunjukkan bahwa sistem mampu memberikan hasil rekomendasi yang relevan dan konsisten dengan preferensi pengguna. Dengan demikian, metode WP efektif digunakan dalam proses rekomendasi pembelian mobil listrik, dan evaluasi menggunakan nDCG membuktikan bahwa kualitas pemeringkatan sistem berada pada kategori sangat baik. Sistem ini diharapkan dapat membantu masyarakat dalam memilih mobil listrik yang sesuai kebutuhan serta menjadi referensi bagi penelitian dan pengembangan sistem rekomendasi pada bidang otomotif.

ENGLISH:

The rapid growth of electric vehicle technology in Indonesia has not been accompanied by sufficient consumer understanding in selecting products that align with their needs and preferences. This study develops a web-based electric vehicle recommendation system utilizing the Weighted Product (WP) method and evaluates its ranking performance through the Normalized Discounted Cumulative Gain (nDCG) metric. A total of 125 electric vehicle models were used as secondary data, obtained from GAIKINDO and official manufacturer sources, evaluated across five key criteria: price, range, battery capacity, power, and service station availability. The WP method was applied to generate alternative rankings based on user-defined preference weights, and the system produced the top three recommendations for each testing scenario. The nDCG metric was then used to assess the degree of alignment between the system-generated rankings and the ideal relevance-based rankings. Ten different user preference scenarios were tested. The evaluation results indicate that the nDCG scores range from 0.50 to 1.00, with most scenarios achieving values above 0.90, and an overall average of 0.9307 (93.07%). These findings demonstrate that the system produces highly relevant and consistent recommendations in accordance with user preferences. The results further affirm that the Weighted Product method is effective for generating electric vehicle purchase recommendations, and that nDCG provides a reliable measure of ranking quality. This system is expected to assist consumers in making more informed decisions regarding electric vehicle selection and to serve as a reference for future research on recommendation systems in the automotive domain.

ARABIC:

يَشْهَدُ تَطَوُّرُ تِقْنِيَّةِ الْمَرْكَبَاتِ الْكَهْرَبَائِيَّةِ فِي إِنْدُونِيسِيَا نُمُوًّا سَرِيعًا، إِلَّا أَنَّ الْمُسْتَهْلِكِينَ مَا زَالُوا يُوَاجِهُونَ صُعُوبَةً فِي تَحْدِيدِ السَّيَّارَةِ الْكَهْرَبَائِيَّةِ الَّتِي تُنَاسِبُ احْتِيَاجَاتِهِمْ وَتَفْضِيلَاتِهِمْ. يَهْدِفُ هٰذَا الْبَحْثُ إِلَى بِنَاءِ نِظَامِ تَوْصِيَةٍ لِشِرَاءِ السَّيَّارَاتِ الْكَهْرَبَائِيَّةِ الْقَائِمِ عَلَى الويب بِاِسْتِخْدَامِ طَرِيقَةِ حَاصِلِ الضَّرْبِ الْمُوَزَّنِ (Weighted Product)، وَكَذٰلِكَ تَقْيِيمِ جَوْدَةِ نَتَائِجِ التَّوْصِيَةِ بِاِسْتِخْدَامِ مِقْيَاسِ الْكَسْبِ التَّرَاكُمِيِّ الْمَخْصُومِ الْمُطَبَّعِ (nDCG). مَّ اسْتِخْدَامُ بَيَانَاتٍ ثَانَوِيَّةٍ تَضُمُّ ١٢٥ نَوْعًا مِنَ السَّيَّارَاتِ الْكَهْرَبَائِيَّةِ، وَالَّتِي تَمَّ الْحُصُولُ عَلَيْهَا مِنْ جَايكِنْدُو (GAIKINDO) وَالْمَوَاقِعِ الرَّسْمِيَّةِ لِلشَّرِكَاتِ الْمُصَنِّعَةِ. وَتَسْتَنِدُ الدِّرَاسَةُ إِلَى خَمْسَةِ مَعَايِيرَ رَئِيسِيَّةٍ، وَهِيَ السِّعْرُ، وَمَسَافَةُ السَّيْرِ، وَسِعَةُ الْبَطَّارِيَّةِ، وَالْقُدْرَةُ (Power)، وَتَوَفُّرُ مَحَطَّاتِ الصِّيَانَةِ.تُسْتَخْدَمُ طَرِيقَةُ حَاصِلِ الضَّرْبِ الْمُوَزَّنِ فِي حِسَابِ التَّرْتِيبِ بِالِاعْتِمَادِ عَلَى أَوْزَانِ تَفْضِيلَاتِ الْمُسْتَخْدِمِ لِكُلِّ مِعْيَارٍ. وَيُوَلِّدُ النِّظَامُ ثَلَاثَ تَوْصِيَاتٍ لِأَفْضَلِ السَّيَّارَاتِ فِي كُلِّ سِينَارِيُو اِخْتِبَارٍ. بَعْدَ ذٰلِكَ، يُسْتَخْدَمُ مِقْيَاسُ nDCG لِتَقْيِيمِ جَوْدَةِ التَّرْتِيبِ النَّاتِجِ عَنْ النِّظَامِ بِمَا يَتَوَافَقُ مَعَ تَفْضِيلَاتِ الْمُسْتَخْدِمِ مَّ إِجْرَاءُ الِاخْتِبَارِ عَلَى عَشْرَةِ سِينَارِيُوهَاتٍ مُخْتَلِفَةٍ لِأَوْزَانِ التَّفْضِيلِ. وَأَظْهَرَتْ نَتَائِجُ التَّقْيِيمِ أَنَّ قِيَمَ nDCG تَتَرَاوَحُ بَيْنَ 0.50 وَ 1.00، حَيْثُ حَقَّقَ مُعْظَمُ السِّينَارِيُوهَاتِ قِيَمًا تَزِيدُ عَنْ 0.90، بِمُتَوَسِّطِ قِيمَةٍ يَبْلُغُ 0.9307 أَوْ مَا يُعَادِلُ 93.07%. وَيَدُلُّ ذٰلِكَ عَلَى أَنَّ النِّظَامَ قَادِرٌ عَلَى تَقْدِيمِ تَوْصِيَاتٍ دَقِيقَةٍ وَمُتَّسِقَةٍ مَعَ تَفْضِيلَاتِ الْمُسْتَخْدِمِ وَبِنَاءً عَلَى ذٰلِكَ، تُعْتَبَرُ طَرِيقَةُ حَاصِلِ الضَّرْبِ الْمُوَزَّنِ فَعَّالَةً فِي عَمَلِيَّةِ تَوْصِيَةِ شِرَاءِ السَّيَّارَاتِ الْكَهْرَبَائِيَّةِ، كَمَا يُثْبِتُ التَّقْيِيمُ بِاِسْتِخْدَامِ مِقْيَاسِ nDCG أَنَّ جَوْدَةَ تَرْتِيبِ النِّظَامِ تَقَعُ فِي فِئَةٍ عَالِيَةٍ جِدًّا. وَمِنَ الْمُتَوَقَّعِ أَنْ يُسَاهِمَ هٰذَا النِّظَامُ فِي مُسَاعَدَةِ الْمُجْتَمَعِ عَلَى اخْتِيَارِ السَّيَّارَاتِ الْكَهْرَبَائِيَّةِ الَّتِي تُنَاسِبُ احْتِيَاجَاتِهِمْ، وَأَنْ يَكُونَ مَرْجِعًا لِلْأَبْحَاثِ وَتَطْوِيرِ أَنْظِمَةِ التَّوْصِيَةِ فِي الْمَجَالِ السَّيَّارِيِّ.