Recommendation Engine Personalized Recommendation Engine

Gambar 2.7 UVa Visits by City rentang tahun 2014 UVA, 2014

2.4. Recommendation Engine

Mesin rekomendasi merupakan satu teknik yang digunakan untuk membantu pengguna mendapatkan pilihan atau opsi ketika dalam satu keadaan tertentu kurangnya pengalaman seseorang tersebut terhadap pilihan-pilihan yang tersedia Ricci, et al. 2011. Sistem rekomendasi ini dalam berbagai keadaan sangat membantu pengguna untuk menentukan pilihan yang tepat. Cara kerja sistem rekomendasi ini adalah dengan menyederhanakan proses pencarian informasi dan memfasilitasi perbandingan akan satu produk. Contohnya, berbelanja di amazon.com, melihat rekomendasi buku di goodreads.com, rekomendasi film di imdb.com dan banyak aplikasi lain di kehidupan sehari-hari. Dalam contoh e-commerce, sistem rekomendasi sangat berperan aktif untuk merekomendasikan atau memberi informasi yang menarik dan berguna akan satu pilihan terhadap penggunanya. Mesin rekomendasi ini biasanya dibutuhkan karena banyaknya informasi yang tersedia information overload atau juga sebaliknya karena minimnya pengetahuan pengguna lack of user knowledge pada area tertentu. Membangun mesin rekomendasi yang baik membutuhkan usaha yang tinggi terhadap ketersediaan data yang akan diolah seperti ketersediaan dataset, kebutuhan Universitas Sumatera Utara pengguna, analisis perilaku, pengembangan dan perbaikan algoritma ataupun teknik rekomendasi itu sendiri. Teknologi rekomendasi ini didasarkan pada asumsi implisit bahwa kebutuhan pengguna dan preferensi mereka dapat dimodelkan dalam pemilihan produk tertentu dengan menerapkan algoritma atau teknik perekomendasian yang tepat dan pengetahuan knowledge yang diberikan ke sistem Ricci, et al. 2011. Menurut Burke, 2000, mengelompokkan tiga tipe pendekatan dalam sistem rekomendasi: a collaborative filtering atau social-filtering, b content-based, c knowledge-based.

2.5. Personalized Recommendation Engine

Personalized recommendation engine merupakan teknik merekomendasikan sesuatu, bisa produk, artikel, atau apa saja kepada pengguna dengan memperhatikan perilaku atau aktivitas pengguna terhadap satu sistem yang mereka gunakan. Sistem mencatat interaction history setiap pengguna di sistem dan mempelajari preferensi tersebut terhadap produk, artikel, atau apa saja yang ingin dicari. Dalam hal minimnya preferensi pengguna terhadap sistem yang digunakan, sistem dapat langsung memberikan rekomendasi dengan mencari kesamaan dari preferensi pengguna lain yang mirip dengan satu pengguna tersebut.

2.6. Unified Modelling Language UML