English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Sistem penjualan dan pemasaran produk sembako di Toko Menkong sampai sekarang dilakukan secara konvensional. Masalah ini menyebabkan kurang optimalnya omset yang diperoleh toko akibat dari jumlah transaksi produk yang tidak terlalu sering pada setiap harinya. Permasalahan tersebut dapat ditanggulangi dengan berbagai cara, satu di antaranya dengan membangun aplikasi berbasis Android untuk memesan produk. Tingginya mobilitas, popularitas, open source dan penggunaannya yang mudah menjadi bahan pertimbangan dalam pemilihan Android daripada sistem operasi dan platform yang lain. Aplikasi yang dibangun akan dilengkapi recommender system atau lebih dikenal sebagai sistem rekomendasi dengan memanfaatkan algoritma Apriori serta metode content-based filtering. Kemampuan untuk menyarankan item baru ke pengguna dengan berdasarkan kesamaan karakteristik dari item yang sebelumnya disukai pengguna merupakan alasan pemilihan metode content-based filtering. Faktor simpel, efisien, dan mampu menangani banyak data menjadi alasan pemilihan algoritma Apriori daripada algoritma lain. Model prototyping, metode berorientasi objek dan UML (Unified Modelling Language) merupakan model, metode, dan tools pengembangan perangkat lunak yang dimanfaatkan di paper ini. Pencarian dan pemesanan produk oleh pelanggan menjadi lebih mudah dengan aplikasi yang dibangun, sehingga kecepatan dan efisiensi transaksi meningkat. Recommender system aplikasi cukup akurat dalam menyarankan produk menurut kategori produk di keranjang, hobi pelanggan, dan pola pembelian, yaitu sebesar 73,33%.

RECOMMENDER SYSTEM DENGAN KOMBINASI APRIORI DAN CONTENT-BASED FILTERING PADA APLIKASI PEMESANAN PRODUK