Home > Pemrograman Web, Serba-serbi > Sistem Penyedia Rekomendasi

Sistem Penyedia Rekomendasi


Saat ini, informasi di Internet sangat melimpah, bahkan meruah kemana-mana. Jika kita tidak memiliki kemampuan atau salah dalam memilih tool saat berinternet (baca: browsing) maka sangat mungkin kita masuk ke situasi lost in hyperspace, kondisi dimana kita tidak tahu apa yang akan dicari, sekarang ada dimana, mau kemana dan tadi anda berangkat dari mana. Kejadian ini sudah mulai merambah ke dunia nyata lho. Solusinya…


Recommender system atau sistem pemberi rekomendasi membantu kita mengatasi masalah information overload di atas dengan menyediakan saran-saran bersifat personal berdasarkan pada history perilaku pengguna sebelumnya (tertarik atau tidak terhadap sesuatu). Banyak toko online menyediakan layanan rekomendasi seperti Amazon, CD-NOW, BarnesAndNoble, IMDb, dan sebagainya. Ada dua pendekatan umum terhadap pembangunan sitem rekomendasi ini, yaitu rekomendasi Colloborative Filtering (CF) dan Content-Based (CB).

Sistem CF bekerja dengan menghimpun feedback pengguna dalam bentuk rating bagi item-item dalam suatu domain yang diberikan dan memanfaatkan kemiripan dan perbedaan antar profil dari beberapa pengguna dalam menentukan bagaimana merekomendasi suatu item. Metode content-based menyediakan rekomendasi dengan membandingkan representasi content (isi) yang dikandung oleh suatu item terhadap representasi isi dari item menarik pengguna.

Metode content-based dapat secara unik mencirikan setiap pengguna tetapi CF masih mempunyai beberapa keuntungan penting. Pertama, CF dapat bekerja dalam domain dimana tedapat tidak banyak content yang berasosiasi dengan item, atau ditempat dimana content sulit dianalisis menggunakan komputer seperti ide, pendapat (opini), dll. Kedua, sistem CF mempunyai kemampan untuk menyediakan rekomendasi yang tidak terduga atau tidak disengaja, misalnya dapat merekomendasikan item yang relevan kepada pengguna sekaligus tidak mengandung content dari profil pengguna tersebut. Karena alasan itulah, sistem CF telah banyak digunakan (dan sukses) untuk sistem rekomendasi dapa berbagai domain.

Namun bukan berarti CF tidak punya masalah, dua masalah utamanya adalah:

Sparsity.

Jika sebagian besar pengguna tidak memberikan penilaian atau rating pada banyak item sehingga matrik rating user-item yang akan digunakan dalam proses pencarian kemiripan antar pengguna menjadi sangat sparse (jarang). Karena itu kemungkinan mendapatkan himpunan pengguna dengan rating sangat mirip akan rendah. Kasus demikian sering terjadi ketika sistem mempunyai rasio (perbandingan) item-to-user sangat tinggi. Masalah ini juga terjadi saat sistem berada pada tahap awal pemanfaatan, belum ada pengguna yang memberikan rating, juga saat terdapat penambahan item baru yang tentu belum ada ratingnya.

Masalah First-rater.

Suatu item tidak direkomendasikan kecuali telah ada pengguna yang memberikan rating kepadanya telebih dahulu. Masalah ini berlaku terhadap item-item baru dan juga item-item yang tidak jelas atau tak dikenali, dan ini tentu akan merugikan pengguna, terutama yang memiliki wawasan luas dan ingin memilih dari berbagai sumber atau item.

Bagaimana mengatasi masalah ini? Jawabannya tergantung dari kasus atau sifat sistem yang sedang dibangun. Amazon menerapan rekomendasi berbasis Item (bukan user), Google News mengaplikasikan kombinasi Collaborative Filtering menggunakan MinHash Clustering, Probabilistic Latent Semantic Indexing (PLSI), dan Covisitation Counts. Ada pula yang menggunakan metode conent-boosted dimana sistem CF dan CB murni dikombinasikan. Pada pendekatan terakhir, algoritma menggunakan prediksi berbasis content (CB) untuk mengkonversi matrik rating pengguna yang (sangat) jarang ke bentuk matrik full rating; dan kemudian menggunakan CF untuk menyediakan rekomendasi akhir.

Mana yang terbaik? Sekali lagi, semua tergantung di domain apa dan sejauh mana rekomendasi tersebut akan disediakan.

Semoga tulisan singkat ini bermanfaat. Amin.

  1. 18 November 2008 at 6:39 pm

    hmmm… sebagai orang awam, kini di internet berjubelan aneka macam informasi mulai yang bener2 pas sesuai dengan “apa yang kita cari” atau hanya permainan kata kunci saja.
    dengan banyaknya blog personal, orang bebas mengemukakan isi otaknya dan semua akan tercata di google yang notabene adalah pencatat amal baik dunia internet.
    mungkin seseorang yang mencari “minuman khas bogor” akan tersesat ketika mendapati hasil pencarian nomer satu di google.😀
    ***komen ini nyambung gak dengan postingan ya?***

  2. 21 November 2008 at 7:34 pm

    wah asik juga kalo diterapkan pada halaman ‘home’ browser pada komputer personal kita buat internet. Anti-Bengong-System!

  3. 30 June 2009 at 8:10 am

    Makasih bang…
    sangat membantu saya dalam menyusun karya ilmiah saya..

  4. 30 June 2010 at 5:36 am

    Terima kasih atas tulisan yang menarik ini

    Silahkan kunjungi web kami http://repository.unand.ac.id

    • 12 July 2010 at 4:22 am

      thank u kunjungannya. Reponya lengkap kan? makasih sharingnya🙂

  1. No trackbacks yet.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: