Di era digital, toko online (e-commerce) memiliki keunggulan besar dalam melacak setiap klik dan minat pelanggan. Sebaliknya, toko fisik (offline retail) sering kali “buta” terhadap perilaku pelanggan saat mereka hanya melihat-lihat barang tanpa membeli. Menjawab kesenjangan ini, tim peneliti dari Program Studi Teknologi Rekayasa Perangkat Lunak (TRPL), Sekolah Vokasi Universitas Gadjah Mada (UGM) mengembangkan solusi cerdas untuk membedah kebiasaan belanja di toko fisik.
Penelitian berjudul “Customer Shopping Behavior Analysis Using RFID and Machine Learning Models” ini dipimpin oleh Dr. Eng. Ganjar Alfian, S.T., M.Eng. Riset ini merupakan kolaborasi yang melibatkan dosen TRPL lainnya, yaitu Yuris Mulya Saputra, Divi Galih Prasetyo Putri, dan Firma Syahrian, serta para mahasiswa Muhammad Qois Huzyan Octava, Farhan Mufti Hilmy, dan Rachma Aurya Nurhaliza.
Tak hanya internal UGM, riset ini juga menggandeng mitra akademisi global dari Sejong University (Korea Selatan), Coventry University (Inggris), Phenikaa University (Vietnam), dan Telkom University (Bandung).
Ubah Rak Toko Menjadi Cerdas
Tujuan utama penelitian ini adalah membantu manajer toko memahami preferensi pelanggan demi meningkatkan pendapatan. Tim peneliti memanfaatkan teknologi RFID (Radio Frequency Identification) yang dipasang pada rak toko. Berbeda dengan penggunaan RFID biasa yang hanya untuk inventaris, sistem ini dirancang untuk melacak pergerakan produk.
Dengan menganalisis kekuatan sinyal (Received Signal Strength/RSS) dari tag RFID, sistem dapat mendeteksi apakah sebuah barang sedang disentuh, diambil untuk dilihat, atau dimasukkan ke keranjang oleh pelanggan.
Akurasi Tinggi dengan Deep Learning
Tantangan utama dalam data sensor adalah noise dan ketidakseimbangan data. Untuk mengatasinya, tim mengusulkan integrasi tiga metode canggih:
-
iForest: Untuk mendeteksi dan membuang data anomali (outlier).
-
ADASYN: Untuk menyeimbangkan distribusi data.
-
Multilayer Perceptron (MLP): Model Machine Learning untuk mengklasifikasikan aktivitas belanja.
Hasil yang didapat sangat memuaskan. Model yang diusulkan mampu mengenali aktivitas belanja pelanggan dengan tingkat akurasi mencapai 97,77%. Angka ini jauh mengungguli model-model machine learning lainnya.
Sistem Pendukung Keputusan
Inovasi ini telah diintegrasikan ke dalam sebuah aplikasi berbasis web. Melalui aplikasi ini, manajer toko dapat melihat data analitik mengenai produk mana yang sering dilihat namun tidak dibeli, atau produk mana yang paling menarik perhatian. Wawasan ini sangat berharga untuk menentukan tata letak produk (product placement), merancang promosi yang tepat sasaran, dan memberikan rekomendasi kepada pelanggan.
Melengkapi langkah modernisasi industri tersebut, kolaborasi riset yang melibatkan mitra akademik dari empat negara ini menjadi manifestasi nyata SDG 17 (Partnerships for the Goals), mempercepat pertukaran pengetahuan teknologi secara global. Di sisi lain, upaya memberdayakan sektor ritel fisik agar tetap kompetitif dan produktif selaras dengan SDG 8 (Decent Work and Economic Growth), mendorong pertumbuhan ekonomi yang adaptif di era digital. Selain itu, pelibatan aktif mahasiswa dalam pengembangan sistem analitik cerdas ini menegaskan komitmen pada SDG 4 (Quality Education), mencetak talenta digital yang siap menghadirkan solusi bisnis berbasis data.
