Selasa, 27 April 2010


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

Framework dan kelebihannya (STBI)

Personalisasi Web adalah suatu proses mengumpulkan dan menyimpan informasi tentang lokasi pengunjung, meneliti informasi, dan berdasarkan pada analisa, mengirimkan informasi yang tepat kepada masing-masing pengunjung di waktu yang tepat, jadi personalisasi merupakan suatu upaya untuk memberikan layanan dalam bentuk aplikasi dan informasi yang disesuaikan dengan minat, peran, dan kebutuhan pengunjung web. Pada tugas kali ini, kita akan membahas 3 frame work serta kelebihan-kelebihannya. Yaitu



http://my.yahoo.com/, http://ask.com/, dan http://igoogle.com/.

Pertama kali kita menjumpai halaman utama My Yahoo, kita akan dihadapkan pada banyak sekali fasilitas personalisasi. Kita akan menjumpai sebuah fasilitas untuk mengubah theme/color dari halaman website. Kita  juga dapat memilih warna sesuai dengan selera kita, selanjutnya kita dapat mengklik tombol I’m Done untuk melihat perubahan yang kita lakukan.
            Pada bagian weather kita menjumpai sebuah halaman yang memberi informasi mengenai ramalan cuaca untuk wilayah Jakarta, kenapa yang dimunculkan wilayah Jakarta, karena pada waktu mengakses halaman web tersebut My Yahoo telah mendeteksi bahwa pengunjung tersebut berasal dari Negara Indonesia yang ibukotanya adalah Jakarta.
            Bahkan kita dapat menambahkan sebuah Tab untuk menambah informasi pada halaman web kita. Dan banyak lagi konten lainnya.

2.      2. http://ask.com/
Situs ini sangat cocok bagi orang yang senang mencari informasi detil mengenai sesuatu. Cara kerjanya hampir mirip dengan Google. Kemampuan menguraikan lebih banyak data serta menampilkannya di kolom hasil pencarian. Ketika menggunakan Ask, maka algoritma pada mesin pencari tersebut segera bekerja dan mencoba memberi jawaban pada halaman hasil. Menariknya, di sini Ask juga menampilkan link lain yang masih memiliki hubungan relevan.
Cara kerja Ask.com tidak jauh berbeda dengan mesin pencari Google. Untuk menggunakannya, kita tinggal memasukkan key word/pertanyaan, kemudian klik Search. Maka pada halaman hasil sebelah kanan, kita akan menemukan sederetan daftar hasil pencarian yang masih memiliki kaitan dengan pencarian utama. Selain itu daftar tersebut juga dilengkapi dengan link yang akan mengantarkan kita pada jawaban yang relevan. Di sini Ask didesain menyerupai Google, dilengkapi pula dengan beberapa tab yang akan dikategorikan menjadi web, images, news, dsb.

Igoogle.com yang merupakan salah satu keluarga besar dari google, adalah halaman milik pengguna yang dapat dicustomize sesuai keinginannya, bisa diisi dengan widget-widget seperti gmail, rss feed, games, notes, calendar, dan lain-lain. Hampir mirip dengan Netvibes, namun lebih sederhana.Situs ini menawarkan hal yang lebih dibandingkan dengan 2 searching diatas. Layaknya google, igoogle juga merupakan mesin pencari yang hebat. Selain itu, kita bisa mengetahui banyak hal. Mulai dari pemberitahuan waktu, gmail(email), video, info cuaca, serta beberapa konten menarik lainnya. Semuanya ada untuk memanjakan pelanggan/ pengguna yang menggunakan web yang di setting sebagaimana layaknya rumah pribadi ini. Menurut saya, dabandingkan 2 web yang di atas, iGoogle.com merupakan yang terbaik dalam menampilkan k\dan memberikan pelayanan bagi pengguna dengan beberapa fasilitas yang telah diberikan.

Penutup
Dari uraian diatas, kita dapat menyertakan aspek personalisasi pada aplikasi web yang kita kembangkan disesuaikan dengan market atau target pengunjung. Dengan adanya personalisasi ini pengunjung dapat merasa puas dengan kunjungan yang mereka lakukan, sehingga ada rasa kangen untuk kembali berkunjung. Itulah yang saua rsakan pada iGoogle.com.

Rabu, 07 April 2010