Oretan Nining Ummu Ghazi

PEMANFAATAN MODEL SISTEM REKOMENDASI

As-Syaif.com merupakan sebuah situs yang menyediakan informasi tentang Perguruan Tinggi, ingin memiliki sebuah sistem rekomendasi yang dapat memberikan rekomendasi tempat PT yang diinginkan pelanggannya. Untuk memberikan rekomendasi yang tepat, maka diperlukan data yang tepat pula dari pelanggan . Maka berikut ini diberikan gambaran bagaimana model yang dapat memeberikan rekomendasi bagi pelanggan sesuai dengan keadaan yang dihadapi situs tersebut.

Knowledge-based recommendation

Figure 1.

A menginginkan lokasi Perguruan Tinggi disekitar Surabaya sebagai tempat studinya dan A tidak memiliki kenalan didaerah tersebut. Karena mengetahui bahwa A menginginkan tempat PT di sekitar Bandung , maka basis pengetahuan (knowledge-based) menjadikan hal tersebut sebagai prioritas tertinggi (level : High) dan memunculkan alamat/tempat PT yakni ITS dan IAIN. Setelah diperoleh dua tempat tersebut maka ke dua tempat tersebut dinilai kembali berdasarkan prioritas kedua yakni kualitas guide (mengingat A belum berpengalaman/awam) (level : Medium). Pada personalization rule berikutnya ditentukan tempat mana yang memiliki biaya yang masih dapat ditoleransi A (level : Medium). Pencarian tempat terhadap biaya yang sama dengan range biaya menjadi prioritas terakhir (level : Low), karena knowledge based mengasumsikan bahwa prioritas pertama dan kedua lebih penting bagi A. Dari analisis tersebut diperoleh bahwa tempat 1 memiliki nilai kegunaan lebih tinggi karena memenuhi tiga tingkat prioritas personalization rules pada basis pengetahuan (knowledge-based), dibandingkan dengan tempat 2 yang hanya memenuhi satu tingkat prioritas. Maka tempat 1 direkomendasikan pada A.

Catatan :

• Tingkat prioritas pada (knowledge-based recommendation) ditentukan oleh perancang sistem , bukan oleh pelanggan.
• Rekomendasi tidak akan terjadi apabila tidak ada kesesuaian antara basis pengetahuan dengan tempat. Untuk kasus diatas misalnya , tempat 1 memiliki biaya 4.000.000 (p.biaya =4.000.000) dan tempat 2 memiliki biaya 2.500.000 (p.biaya = 2.500.000) maka kedua tempat tersebut tidak direkomendasikan karena jauh melampaui range biaya yang mampu dipenuhi A. Walaupun parameter harga bukan prioritas utama keberadaannya tetap diperhitungkan sebagai penentu keputusan. Hal ini sesuai dengan persamaan (1).
• Pemanfaatan rules seperti pada prioritas ketiga (biaya yang dapat ditoleransi) pada kasus diatas diperlukan untuk memperoleh cakupan rekomendasi yang lebih luas.
• Pendeteksian pelanggan dapat diperoleh melalui form, kuisioner, atau format sejenis lainnya yang diisi pelanggan.

Item –based collaborative filtering

Figure 2

A memiliki sebuah kelompok yang beranggotakan A,B, C, dan D. Pada saat A diminta memberikan rating untuk tempat, ternyata A memberikan rating yang baik pada tempat 2, begitu pula dengan B dan C, sedangkan D lebih tertarik pada tempat 1. Tempat 2 ternyata sudah dipilih untuk dilanjutkan keproses transaksi oleh B dan C , begitu pula tempat 1 diproses kearah transaksi oleh D. Karena terdapat kesesuaian antara rating dan transaksi maka dapat dilanjutkan perhitungan dengan persamaan (6). Kebutuhan A mencakup lokasi ITS dan pengalaman daerah tersebut. Maka kedua hal tersebut menjadi parameter pembagi. Nilai kegunaan tempat 2 berdasarkan kesamaan rating dan transaksi (B,C) yang berkesesuaian dengan kebutuhan A adalah 0,85 (dengan persamaan (7)). Sedangkan nilai kegunaan tempat 1 (berdasarkan rating dan transaksi D) adalah 0,17. Maka tempat 2 dipilih untuk direkomendasikan pada A karena memiliki nilai kegunaan yang lebih tinggi.

Catatan :

• Untuk metode ini diperlukan peran serta pelanggan dalam pemberian rating, apabila pemberian rating terhadap tempat tidak dilakukan, maka proses rekomendasi tidak dapat berjalan.
• Pemberian rating yang tidak dilanjutkan kearah transaksi yang dilakukan teman A, tidak menghasilkan solusi rekomendasi bagi A. Karena hanya rating yang dilanjutkan kearah transaksilah yang dihitung.
• Diperlukan data pemberian rating terhadap tempat yang dilakukan oleh anggota komunitas lainnya (B,C,dan D) beserta data kelanjutan transaksinya.

Untuk mendapatkan dalam bentuk SR.doc