7
BAB II LANDASAN TEORI
Pada bab ini membahas uraian teori yang digunakan untuk penulisan tugas akhir, yaitu mengenai Sistem rekomendasi, Pengukuran Performansi, Mobile,
Context-Aware Computing, Vector Space Model, Android, dan Location based
Service .
2.1 Sistem Rekomendasi
2.1.1 Konsep Dasar Sistem
Sistem adalah kumpulan dari elemen-elemen yang berinteraksi untuk mencapai suatu tujuan tertentu.
Jerry FithGerald 2006
Sistem merupakan suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama
untuk melakukan suatu kegiatan atau menyelesaikan suatu sasaran tertentu.
2.1.2 Sistem Rekomendasi
Sistem Rekomendasi merupakan sebuah sistem yang menyarankan informasi yang berguna. Seperti yang disebutkan oleh Paul Resnick dan
Hal R. Varian dalam jurnalnya, sistem rekomendasi membantu dan meningkatkan proses seleksi alam. Suatu yang khas dalam sistem
rekomendasi adalah orang memberikan rekomendasi sebagai masukan, kemudian sistem mengagregrasikan dan mengarahkan agar sesuai dengan
8
si penerima. Dalam beberapa kasus, transformasi utama ada di dalam proses agregasi. Kasus lainnya nilai sistem terletak pada kemampuannya
untuk mencocokkan dua hal yaitu bagian yang dijadikan rekomendasi, dan yang mencari rekomendasi secara baik.
Sistem rekomendasi ini dihitung menggunakan sejumlah model prediktif yang memiliki karakteristik umum, yaitu mengeksploitasi
evaluasi atau penilaian yang diberikan oleh pengguna untuk transaksi yang sebelumnya telah dilihat. Berdasarkan teknik prediksi tertentu yang sedang
digunakan, sistem rekomendasi telah diklasifikasikan ke dalam empat kategori utama [Burke, 2007]: collaborative-based, content-based,
knowledge-based, hybrid . Pada sistem yang menggunakan pendekatan
collaborative-based paling sederhana menghitung korelasi antara
pengguna, memprediksi peringkat produk untuk pengguna saat ini didasarkan pada peringkat yang diberikan oleh pengguna lain, yang sangat
berhubungan dengan preferensi pengguna saat ini [Herlocker et al, 1999]. Sedangkan sistem dengan pendekatan content-based hanya menggunakan
preferensi dari pengguna saat ini, memprediksi peringkat untuk item yang tak terlihat berdasarkan seberapa banyak deskripsinya atau isinya mirip
dengan pengguna [Pazzani dan Billsus, 2007]. Sistem rekomendasi dapat membantu para pengguna menemukan
informasi tersebut dengan memberikannya saran secara personal. Sistem