9. Pengambilan kembali gambar yang memiliki tag yang sama atau yang irekomendasikan. Selain menghasilkan output berupa tag hasil rekomendasi,
sistem juga akan menampilkan sejumlah gambar dari Flickr yang memiliki tag yang direkomendasikan tersebut. Ini juga dilakukan melalui Flickr API dengan
menggunakan metode SEARCH pada interface PhotoInterface. Adapun ringkasan beberapa penelitian terdahulu yang telah dilakukan untuk
memberikan rekomendasi tag pada beberapa masalah yang berbeda dapat dilihat pada tabel 2.3.
Tabel 2.3 Penelitian Sebelumnya
No Judul
Pengarang Tahun
Kelebihan Kekurangan
1. TagAssist:
Automatic tag Suggestion for
Blog Posts Sanjay
C. Sood
dan Kristian J.
Hammond 2007
Nilai Precision
mencapai 42.10 Tag tidak memiliki
komponen user
feedback
2. Automatic tag
Recommendation for the Web 2.0
Blogosphere Using
Collaborative tagging and
Hybrid ANN Semantic
Structures
Sigma On, Kee Lee dan
Andy Hon
Wai Chun 2007
Tag-tag yang berhubungan dengan
semantic content akan diberikan walaupun
sudah pernah dipakai pada blog sebelumnya
Parameter dan algoritma yang
digunakan masih dalam proses pengembangan
3. A Content-Based
Method to Enhance tag
Recommendation Yu-Ta Lu,
Shoou-I Yu, Tsung-Chieh
Chang, Jane Yung-jen
Hsu 2009
Nilai Precision rekomendasi tag
mencapai 59 tervalidasi oleh 5 fold
cross validation Tag yang
direkomendasikan merupakan tag-tag
yang tergolong populer dan kurang informatif
dan spesifik
Tabel 2.3 Penelitian Sebelumnya Lanjutan
No Judul
Pengarang Tahun
Kelebihan Kekurangan
4. Sistem
Rekomendasi tag Pada Dokumen
Blog Menggunakan
Latent Semantic Indexing
Lailil Muflikhah,
Nurul Fadilah,
Achmad Ridok
2013 Rekomendasi tag yang
diberikan sebanyak 5 buah tag. Metode LSI
digunakan
untuk mencari
hubungan latent antara Tag-In
TI dan Tag-Out TO dalam setiap dokumen.
Hasil
terbaik F-
Measure dicapai pada saat TI=2, yaitu 0.5.
na
5. Aplikasi
Rekomendasi tag Pada Situs Berbagi
Gambar Flickr® Intan Yuniar
Purbasari, Hongyun
Cai, Angeli Diane Lao,
Iman Mohamed
Al-Rawahi 2013
Teknik yang digunakan adalah Asossiation
Rule Mining dan menggunakan
API dari Flickr® untuk
crawling semua
gambar di Flickr® yang memiliki tag yang
sesuai dengan tag yang diinput.
Dapat memperoses data dengan jumlah data
yang
besar sekitar
8000 data dan jumlah kluster data yang besar.
Aplikasi rekomendasi tag masih terbatas pada
topik “animal” saja. Efisiensi proses
Mining cukup rendah. Proses
pemberian rekomendasi
tag berjalan lambat. Tidak
ada perhitungan tingkat keakuratan
rekomendasi tag yang dihasilkan.
BAB 3 ANALISA DAN PERANCANGAN SISTEM
Bab ini secara garis besar membahas rekomendasi tag pada berita online menggunakan TF-IDF dan Collaborative tagging dan tahap-tahap yang akan
dilakukan dalam perancangan sistem yang akan dibangun.
3.1 Identifikasi Masalah