Sekilas Tentang Sistem Rekomendasi (Recommender System)

Last Updated on 11 years by Mas Herdi

Di tengah banyaknya informasi yang senantiasa membanjiri kita setiap detik, kita pun seakan menjadi kehilangan kendali atau kehilangan pegangan tentang informasi apa yang kita inginkan. Sehingga kemudian lahirlah sistem rekomendasi untuk membantu kita menemukan hal-hal yang kita sukai, informasi-informasi yang kita butuhkan dan semacamnya.

Sistem rekomendasi juga pada umumnya ditujukan untuk individu yang kekurangan pengalaman atau kompetensi yang cukup untuk mengevaluasi banyaknya jumlah alternatif item yang ada pada suatu kasus tertentu. Contohnya saya yang baru-baru ini menyukai musik beraliran dubstep, saya baru tau satu lagu dubstep yang bagus dan ingin mendengarkan lagu-lagu dubstep bagus yang lainnya. Karena baru mendengarkan satu lagu, bisa dibilang pengalaman saya dalam musik dubstep sangatlah minim. Karena itulah saya lantas mencari rekomendasi tentang musik-musik dubstep lainnya yang bagus di situs-situs seperti Youtube, LastFM, atau SoundCloud.

Jenis-jenis rekomender sistem

Ada banyak sekali jenis rekomender sistem, dan jenis di sini maksudnya bisa disamakan dengan metode yang digunakan untuk mendapatkan rekomendasi. Dari sekian banyak jenis yang ada, yang paling sering dipakai adalah menggunakan metode collaborative filtering dan content-based filtering. Kedua topik itu akan saya bahas secara lengkap lain kali.

Collaborative Filtering recommendation

Sistem rekomendasi yang menggunakan metode ini menggunakan data semacam rating untuk mendapatkan rekomendasi. Ketika kalian merating suatu item, maka nilai rating tersebut akan dibandingkan dengan nilai rating dari pengguna lainnya, atau item lainnya yang mempunyai kemiripan rating dengan item tersebut. Dari situlah kemudian sistem akan membuat suatu rekomendasi berdasarkan item-item yang telah kalian rating.

Content-based recommendation

Berbeda dengan collaborative filtering, metode content-based filtering tidak menggunakan parameter semacam rating untuk menghasilkan rekomendasi. Melainkan menggunakan deskripsi dari profil pengguna, atau dari deskripsi suatu item untuk menghasilkan suatu rekomendasi. Contoh gampangnya, ketika kalian menyukai film Lord of The Ring, maka sesuai dengan deskripsi film tersebut, sistem bisa merekomendasikan film-film lainnya yang mirip. Seperti The Hobbit atau Game of Thrones.

Membuat sistem rekomendasi Sendiri

Apakah susah membuat sistem rekomendasi? Tentu saja tidak, asalkan kalian tahu caranya. 😀 Jika kalian sudah mempunyai aplikasi yang ingin ditambahkan fitur sistem rekomendasi. Kalian harus melakukan beberapa langkah untuk membuat sistem rekomendasi pada aplikasi kalian. Pertama-tama kalian harus menentukan metode yang ingin dipakai. Jika sudah, maka kalian akan mendapatkan data acuan, entah itu berupa rating pada item, atau deskripsi item.

Setelah mendapatkan data acuan, maka langkah selanjutnya adalah menghitung kemiripan (similarity measure) antara item satu dengan item lainnya. Kemudian dilakukan (rating prediction) atau memprediksi rating/tingkat kesukaan pengguna terhadap suatu item. Apabila ketiga langkah di atas sudah dilakukan, maka rekomendasi bisa dihasilkan. 🙂

Melakukan evaluasi pada sistem rekomendasi

Yang terakhir, mungkin kita ingin melakukan suatu evaluasi untuk menentukan apakah rekomendasi kita disukai oleh pengguna atau tidak. Atau apakah kita merekomendasikan item yang tepat kepada pengguna. Ada banyak metode evaluasi yang bisa digunakan, seperti MAE (Mean Absolute Error) atau metode Precision Recall. Dari situ bisa diketahui apakah item-item yang kita rekomendasikan disukai pengguna atau tidak.

Oke, kira-kira itulah sedikit yang bisa saya bagikan tentang sistem rekomendasi. Topik rekomender sistem ini tergolong topik yang baru, dan pastinya akan banyak inovasi ke depannya Nantikan postingan saya selanjutnya, semoga berguna. 🙂