Kelas : IF-42-GAB03
Anggota Kelompok :
1. Muhammad Naufal Rabbani Shohwatul Islam – 1301174164
2. Aqmarina Alifah Ismahyati – 1301174058
3. Jodi Kusuma – 1301174265
4. Alvinda Julian Trismadi – 1301174147
1. System recommender adalah sebuah sistem embendded atau sebuah sistem yang tertanam di dalam
sistem yang lain, bisa dikatakan sistem recommended merupakan sistem yang dapat disisipkan ke ecommerce, social media, atau sistem lain dan bisa juga sistem yang standalone atau berdiri sendiri sebagai
sebuah rekomendasi sistem. Sistem akan mencoba merekomendasikan item – item yang sesuai dengan
kesukaan kita atau personalize.
Contoh penerapan rekomendasi sistem :
• Youtube
Youtube akan menampilkan atau merekomendasikan pada dashboard akun youtube kita video –
video yang membuat kita tertarik atau yang berkaitan dengan yang sering kita tonton di youtube
tersebut, hal tersebut merupakan sistem recommender yang disisipkan pada youtube. Pada
sistem recommender tersebut tidak sepenuhnya akurat, maka dari itu youtube juga memberikan
fitur feedback baik feedback positif maupun feedback negative, hal itu juga merupakan bagian
dari sistem untuk mempelajari user seperti apa.
• Bukalapak
Bukalapak juga memiliki fitur sistem recommender yang mirip dengan youtube yaitu
menampilkan produk – produk atau barang yang biasa kita beli di bukalapak atau yang biasa
dilihat hingga fitur feedback, dan pada bukalapak juga memiliki fitur alasan kenapa produk
tersebut direkomendasikan kepada kita atau fitur explaination.
• Facebook
Pada facebook kita akan direkomendasikan grup – grup yang dilihat berasarkan teman – teman di
facebook yang join atau mengikuti grup tersebut, dan pada facebook juga memberikan penjelasan
mengenai kenapa kita diberikan rekomendasi grup tersebut atau explaination seperti pada
bukalapak. Dan ada rekomendasi event yang berdasarkan lokasi pada saat menggunakan
facebook.
• Instagram
Didalam timeline Instagram akan muncul ads atau iklan yang akan menampilkan produk yang
direkomendasikan untuk kita sama halnya pada bukalapak.
• Amazon
Merupakan salah satu e-commerce yang paling awal menerapkan rekomendasi sistem dan
merupakan salah satu e-commerce yang terbesar di dunia.
• Google Scholar
Google scholar akan merekomendasikan buku, paper, jurnal, dan sebagainya yang pernah kita
search atau kita akses pada google scholar.
• Research Gate
2. Salah satu kunci sebuah e-commerce pemasaran produknya meningkat yaitu dengan adanya sistem
rekomendasi. Dengan adanya sistem rekomendasi, seorang user dipermudah untuk menentukan pilihan
mengenai barang atau jasa yang diinginkannya. Untuk membuat sebuah sistem rekomendasi diperlukan
data terlebih dahulu. Salah satunya yaitu mengumpulkan data dari social media supaya sistem dapat
mempelajari lebih dalam mengenai user. Data-data dalam social media meliputi :
1. data interaksi : yaitu bagaimana user berinteraksi dengan sistem seperti komentar, like ataupun durasi
menonton sebuah video
2. data konten : yaitu isi konten itu sendiri atau pun lokasi dan bahasa yang digunakan user
3. data hubungan social : yaitu bagaimana hubungan user tersebut dengan user lain, dapat dilihat dari
daftar teman, follower atau situasi
Setelah data user dikumpulkan, data tersebut akan diolah dengan mengikuti beberapa paradigma
rekomendasi sistem, paradigma rekomendasi sistem yang sering digunakan oleh e-commerce yaitu
collaborative filtering, yaitu dimana sebuah sistem merekomendasikan kepada seorang user berdasarkan
komunitas orang yang memiliki case yang sama dengan user, sehingga dalam paradigma ini tidak hanya
menggunakan data user tetapi juga menggunakan data komunitasnya.
E-commerce memanfaatkan fitur iklan yang tersedia di sosial media untuk mengiklankan produk-produk
yang dijual oleh e-commerce tersebut.