BAB 2
TINJAUAN PUSTAKA
Pada bab ini, akan dibahas landasan teori, penelitian terdahulu, kerangka pikir yang mendasari penyelesaian rekomendasi dengan menggunakan metode Simple Additive Weighting (SAW).
2.1. Sistem Rekomendasi Sistem Rekomendasi merupakan perangkat lunak dan teknik yang menyediakan rekomendasi untuk digunakan oleh user. Rekomendasi yang diberikan terkait pada proses pembuat keputusan (Ricci et al, 2011).Sebagai contoh Netflix, peminjaman film online, Amazon.com yang menggunakan sistem rekomendasi yang membantu user memilih buku, merupakan beberapa situs yang banyak mengaplikasikan sistem rekomendasi untuk user yang memiliki pilihan yang berbeda-beda. Dalam sistem rekomendasi personal (Personalized Recommendation system) diberikan pilihan berbentuk ranking. Untuk mengaplikasikannya, sistem rekomendasi memprediksi produk atau jasa yang paling sesuai, didasari dengan preferensi dan batasan yang dimiliki oleh user sendiri. Untuk mendapatkan hasil yang sesuai, sistem rekomendasi mengumpulkan data dari preferensi user, di mana diketahui secara jelas, sebagai contoh, seperti rating untuk produk, atau diterjemahkan sesuai tindakan user. Contoh lain, sistem rekomendasi dapat mempertimbangkan arah ke halaman produk tertentu sebagai tanda selengkapnya dari preferensi untuk hal – hal yang ditampilkan pada halaman tersebut (Ricci et al, 2011).
6
2.1.1 Metode Rekomendasi Sistem rekomendasi dibedakan menjadi enam kelas berbeda dilihat dari pendekatan yang diambil: 1. Content-based Sistem mengenali hal-hal yang mirip seperti yang dipilih user sebelumnya untuk dijadikan rekomendasi. Kesamaan dari hal-hal tersebut dihitung berdasarkan ciriciri yang berhubungan dengan perbandingan hal-hal lain. Sebagai contoh, jika user memberikan rating tinggi pada film genre komedi, maka sistem dapat memberikan rekomendasi film lain dengan menggunakan genre komedi tersebut. 2. Collaborative filtering Implementasi dari pendekatan ini memberikan rekomendasi kepada user yang aktif dengan hal-hal yang mirip dengan selera user sebelumnya. Kemiripan selera dari dua user dihitung berdasarkan rating history kedua user tersebut. Inilah mengapa collaborative filtering sering disebut sebagai korelasi dari orang ke orang lainnya. Metode ini merupakan metode yang paling sering digunakan dalam merekomendasi dan paling luas implementasinya. 3. Demographic Pendekatan ini memberikan rekomendasi berdasarkan profil demografis dari user. Sebagai contoh, user diarahkan ke website berdasarkan bahasa atau negara mereka berasal. Pendekatan ini banyak dilakukan pada website marketing. 4. Knowledge-based Pendekatan ini memberikan rekomendasi berdasarkan pada pengetahuan yang spesifik tentang bagaimana suatu hal sesuai dengan keperluan dan preferensi user dan bagaimana hal-hal tersebut berguna bagi user. Dalam sistem ini fungsi kemiripan dinilai sebanyak keperluan user (deskripsi masalah) sesuai dengan rekomendasi yang diberikan (soulusi dari masalah). Nilai kemiripan dapat dijelaskan secara langsung sebagai kegunaan rekomendasi untuk user. Sistem constraint based juga merupakan jenis lain dari sistem rekomendasi knowledge based, keduanya mirip karena menggunakan rekuirmen user yang telah dikumpulkan.
7
5. Community based Jenis dari sistem rekomendasi ini didasarkan oleh preferensi dari teman-teman user. Penelitian ini dikombinasikan dengan popularitas yang meningkat dari jaringan sosial, dimana banyak orang bergantung kepada rekomendasi dari temanteman mereka dibanding orang-orang yang tidak mereka kenal. 6. Hybrid recommender systems Pendekatan ini didasari oleh kombinasi dari metode-metode yang ada. Sistem rekomendasi ini mengkombinasikan metode A dan B dengan mencoba menggunakan kelebihan dari metode A untuk memperbaiki kelemahan dari metode B. 2.2 Android Android adalah sistem operasi berbasis Java yang dijalankan pada kernel Linux 2.6. Sistem ini sangat ringan dan penuh fitur-fitur (DiMarzio, 2008). Android pertama kali diciptakan oleh Andy Rubin sebagai sistem operasi untuk perangkat mobile (Jackson, 2011). Pada tahun 2005, Google memperoleh Android Inc., dan mengangkat Andy Rubin sebagai direktur mobile platform untuk Google. Android merupakan software environment dibuat untuk perangkat mobile. Android meggunakan OS kernel Linux, UI yang berkualitas, end-user applications, code libraries, framework aplikasi, mendukung multimedia dan banyak lagi. Aplikasi yang dibuat untuk Android menggunakan bahasa pemrograman Java. Ada dua cara untuk membangun atau membuat aplikasi berbasis android,. Pertama, memiliki perangkat telepon seluler yang berbasis android langsung. Kedua, menggunakan emulator yang sudah disediakan oleh Google. Sebelum memulai membangun aplikasi berbasis android, diperlukan beberapa perangkat, antara lain :
The Eclipse IDE.
Sun’s Java Development Kit (JDK).
The Android Software Developer’s Kit (SDK).
The Android Developer Tool (ADT).
Plug-in Eclipse.
8
Windows (XP, Vista dan 7), Linux dan Mac OS X merupakan sistem operasi yang dapat digunakan untuk pengembangan pembuatan aplikasi berbasis Android dengan memanfaatkan Android SDK (Elian et al, 2012). Ada beberapa kelebihan Android menurut Gargenta di antaranya adalah sebagai berikut (Gargenta, 2011):
Android adalah comprehensive platform, softwarenya lengkap.
Open source platform, bebas pengembangan tanpa dikenakan biaya terhadap sistem karena berbasiskan linux.
Android adalah purpose-built untuk mobile device. Desain dari Android berasal dari waktu mendatang yang dapat diduga.
Android juga tidak memakan memori yang terlalu banyak sehingga user tidak terlalu khawatir terhadap software yang memorinya terbatas. Pada
penelitian
ini,
dilakukan
rekomendasi
tiket
pesawat
dengan
menggunakan perangkat android khususnya pada bagian perhitungan rumus dari metode Simple Additive Weighting (SAW) dan normalisasi. Android pada penelitian ini berfungsi sebagai sistem operasi yang akan menampilkan data dari mysql dengan php dengan format JSON (JavaScript Object Notation).
2.3 JSON (JavaScript Object Notation) JSON (JavaScript Object Notation) adalah sebuah standar yang berbasis teks yang didesain untuk pertukaran data yang mudah dibaca manusia (Sriparasa, 2013). Kegunaan dari JSON:
Digunakan saat menulis aplikasi berbasis JavaScript yang memerlukan ekstensi browser dan website.
Format JSON digunakan untuk mentrasmisikan data yang berstruktur melalui jaringan.
Biasanya digunakan untuk mentransimisikan data antara server dan aplikasi web.
Web Service dan API menggunakan format JSON untuk menyediakan data public.
Dapat digunakan pada bahasa pemrograman modern.
2.3.1 JSON dengan PHP Contoh bahwa PHP dapat dikonversikan ke JSON dapat dilihat pada gambar 2.1:
9
Gambar 2.1 Contoh PHP yang akan Dikonversikan ke JSON Setelah dieksekusi, maka hasil JSON dapat diihat pada gambar 2.2 sebagai berikut:
Gambar 2.2 Hasil JSON pada PHP Peneliti menggunakan PHP dengan format JSON untuk mengkonversikan data pemberian atribut dari database mysql menjadi data yang dapat dibaca pada perhitungan rumus SAW di dalam android.
2.4 Simple Additive Weighting (SAW) Salah satu metode untuk menyelesaikan multi-attribute decision making adalah metode Simple Additive Weighting (SAW) (Kusumadewi, 2006). Metode SAW juga sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dengan rating kinerja pada setiap alternatif untuk semua atribut (Wibowo, 2008). Asumsi yang mendasari metode SAW adalah setiap atribut bersifat independen, jadi tidak akan dipengaruhi oleh atribut lain. Scoring dengan metode ini diperoleh dengan menambahkan kontribusi dari setiap atribut (Kahraman, 2008). Langkah-langkah dalam metode SAW adalah (Wibowo, 2008): 1. Membuat matriks keputusan Z berukuran m x n, dimana m = alternatif yang akan dipilih dan n = kriteria. 2. Membarikan nilai x setiap alternatif (i) pada setiap kriteria (j) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n pada matriks keputusan Z, [
]
10
3. Memberikan nilai bobot preferensi (W) oleh pengambil keputusan untuk masingmasing kriteria yang sudah ditentukan.
4. Melakukan normalisasi matriks keputusan Z dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj. (
)
{ Dengan ketentuan : a. Dikatakan atribut keuntungan apabila atribut bnyak memberikan keuntungan bagi pengambil keputusan, sedangkan atribut biaya merupakan atribut yang banyak memberikan pengeluaran jika nilainya semakin besar bagi pengambil keputusan. b. Apabila berupa atribut keuntungan maka nilai (xij) dari setiap kolom atribut dibagi dengan nilai (MAX xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai (MIN xij) dari tiap kolom atribut dibagi dengan nilai (xij) setiap kolom. 5. Hasil dari nilai rating kinerja ternormalisasi (rij) membentuk matriks ternormalisasi (N) [
]
6. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (N) dengan nilai bobot preferensi (W). 7. Menentukan
nilai
preferensi
untuk
setiap
alternatif
(Vi)
dengan
cara
menjumlahkan hasil kali antara matriks ternormalisasi (N) dengan nilai bobot preferensi (W). ∑ Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik. Kelebihan dari Metode Simple Additive Weighting (SAW) dibandingkan dengan model pengambilan keputusan yang lain terletak pada kemampuannya untuk
11
melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan nilai bobot untuk setiap atribut. 2.5 Penelitian Terdahulu Berikut ini adalah penelitian-penelitian terdahulu yang merupakan referensi untuk rekomendasi menggunakan metode SAW dan perancangan aplikasi android dapat dilihat pada tabel 2.1 sebagai berikut: Tabel 2.1 Tabel Penelitian Terdahulu No
Judul
Pengarang
Kelebihan
Kekurangan
Wibowo, Henry. (2010)
Dapat membantu user dalam menyelesaikan beberapa kasus MADM yang berbeda dengan adanya dua metode
Tidak melakukan proses normalisasi atribut bobot pada metode SAW Tidak ada pengujian pada sistem komputer, terbatas pada perancangan sistem.
1.
MADM-TOOL : Aplikasi Uji Sensitivitas Untuk Model MADM Menggunakan Metode SAW dan TOPSIS.
2.
Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW
Eniyati, Sri (2011)
Bobot perhitungan adalah m erupakan salah satu indikator penting dalam perhitungan untuk penerimaan beasiswa.
3.
Pembuatan Aplikasi Pemesanan Tiket Bus Pada PO Sinar Dempo Berbasis Android
Fortina, Dewi Rossa (2012)
Memiliki halaman admin sehingga lebih mudah dalam membuat jadwal
Fasilitas konfirmasi pemberitahuan untuk user kurang memadai
4.
Implementasi Metode SAW dalam Sistem Informasi Lowongan Kerja Berbasis Web untuk Rekomendasi Pencari Kerja Terbaik
Dalam penelitian ini, SAW dapat menghasilkan rekomendasi pencari kerja terbaik berdasarkan kriteria yang dibutuhkan
n/a
Darmastuti, Destriyana (2013)
