—-aulia_ra—–

Last.fm

a. Mengapa memilih last.fm

Last.fm adalah salah satu dari dua music recommender system yang terkenal dan banyak digunakan.

b. Apa yang disukai dari last.fm

i. Mempunyai plugin yang secara otomatis memonitor aktivitas media player milik user.

ii. Dapat merekomendasikan lagu dari berbagai genre yang berbeda, sehingga menimbulkan efek surprise bagi pengguna.

c. Apa yang tidak disukai dari last.fm

i. Tidak menyertakan alasan perekomendasian.

ii. Perlu menginstall aplikasi tambahan di computer pengguna untuk memonitor aktivitas media player pengguna.

d. Bagaimana last.fm menyediakan rekomendasi

Last.fm menyediakan rekomendasi menggunakan teknik kolaboratif filtering. Last.fm tidak menganalisa jenis music seperti yang dilakukan oleh Pandora. Ia hanya mengasumsikan bahwa apabila seorang user menyukai banyak artis yang sama dengan suatu kelompok user tertentu, kemungkinan besar user tersebut juga akan menyukai artis lain yang popular di kelompok user tersebut.

Last.fm menyediakan plugin bagi pengguna yang dapat diinstall di computer pengguna. Bagi last.fm, plugin tersebut berfungsi untuk secara otomatis memonitor media player milik pengguna. Jadi kapanpun pengguna mendengarkan suatu music baik yang berasal dari last.fm maupun dari komputernya sendiri, data-datanya dapat ditambahkan pada profile user di database last.fm.

Last.fm menggunakan cara implicit maupun eksplisit dalam mendapatkan feedback dari user. Cara implisitnya adalah dengan memonitor aktvitas media player pengguna dan aktivitas user dalam mendengarkan lagu melalui last.fm. Cara eksplisit dilakukan dengan menerima masukan dari user apabila mereka menyukai atau tidak menyukai lagu yang disajikan oleh last.fm.

Karena menggunakan collaborative filtering, last.fm akan mengalami kelambatan dalam merekomendasikan sebuah lagu baru. Karena lagu yang baru belum popular di kalangan pengguna, last.fm belum dapat merekomendasikannya.

e. Penilaian terhadap kualitas rekomendasi last.fm

Hasil rekomendasi last.fm cukup baik untuk query yang popular di kalangan pengguna. Namun untuk query yang kurang popular, sering terjadi last.fm salah merekomendasikan atau bahkan tidak mampu merekomendasikan. Last.fm cocok bagi mereka yang memiliki selera music standard, artinya banyak pengguna last.fm yang memiliki selera music yang sama.

Gambar 1 Tampilan last.fm

Pandora

a. Mengapa memilih Pandora

i. Pandora adalah salah satu dari dua music recommender system yang terkenal.

ii. Menggunakan teknik yang cukup menarik yaitu menganalisa gen dari sebuah music.

b. Apa yang disukai dari Pandora

i. Menggunakan analisa gen music sebagai dasar melakukan rekomendasi. Sebagai kalangan akademik, teknik yang digunakan cukup menarik bagi saya.

ii. Memberikan alasan rekomendasi sehingga pengguna dapat memahami mengapa Pandora merekomendasikan lagu tersebut.

iii. Interface sederhana.

iv. Begitu user membuka situs Pandora, Pandora otomatis memutar lagu sesuai dengan station yang didengarkan oleh pengguna sebelumnya.

c. Apa yang tidak disukai dari Pandora

i. Hanya memainkan lagu yang relative hanya satu style atau satu genre. Ini adalah efek dari sistem rekomendasi yang menggunakan karakteristik lagu sebagai bahan rekomendasi, sehingga lagu yang direkomendasikan umumnya juga memiliki karakteristik yang sama.

d. Bagaimana pandora menyediakan rekomendasi

Rekomenasi Pandora didasarkan pada kualitas yang melekat pada sebuah lagu. Kualitas yang dimaksud adalah atribut-atribut sebuah lagu yaitu melody, harmony, lyrics, orchestration, vocal character, dan lain-lain, dimana di database Pandora, terdapat ratusan atribut. Ketika pengguna memasukkan nama artis atau judul lagu, Pandora akan merekomendasikan lagu-lagu yang memiliki kemiripan dalam atribut-atribut yang disebutkan diatas.

Pertama kali, Pandora akan memainkan lagu sesuai dengan artis atau judul lagu yang dimasukkan, kemudian diikuti dengan lagu-lagu lain yang dianggap mirip oleh Pandora. Pengguna dapat memasukkan feedback dengan cara mengklik tombol thumb-up (yang berarti setuju dengan rekomendasi) atau thumb-down (yang berarti tidak setuju dengan rekomendasi). Feedback ini berpengaruh pada similarity antar lagu.

Pandora memerlukan bantuan musisi expert yang bertugas mengklasifikasikan lagu-lagu berdasarkan ratusan atribut yang telah disebutkan. Hal ini yang disebut sebagai Pandora’s classification bottleneck. Pandora tidak menggunakan teknik collaborative filtering, sehingga ia tidak mengalami masalah dengan lagu baru sebagaimana yang dialami oleh last.fm.

e. Penilaian terhadap kualitas rekomendasi Pandora

Kualitas rekomendasi Pandora bergantung pada selera seseorang terhadap music. Rekomendasi Pandora yang hanya berkisar pada satu genre music cocok bagi mereka yang menggemari salah satu genre lagu tertentu. Pandora juga memberikan pilihan bagi pengguna untuk memasukkan feedback untuk meningkatkan rekomendasi selanjutnya (Gambar 2). Rekomendasi Pandora yang menyertakan alasan perekomendasian mempermudah pengguna untuk menentukan feedback bagi lagu yang direkomendasikan (Gambar 3).

Gambar 2 Tampilan untuk memasukkan feedback pengguna

Gambar 3 Tampilan alasan pemberian rekomendasi

Amazon.com

a. Mengapa memilih amazon.com

i. Amazon.com adalah situs belanja online yang sangat terkenal.

ii. User-centric, artinya sangat memanjakan penguna ketika berbelanja dengan berbagai fiturnya.

b. Apa yang disukai dari amazon.com

i. Rekomendasi disertai dengan alasan.

ii. Tampilan sangat membantu pengguna awam dengan banyak pilihan bantuan yang cukup jelas.

c. Apa yang tidak disukai dari amazon.com

i. Karena terlalu lengkapnya fitur, kadang informasi yang diberikan terlalu berlebih. Pengguna sering kali tidak memerlukan data yang terlalu lengkap untuk memutuskan membeli barang atau tidak.

d. Bagaimana amazon.com menyediakan rekomendasi

Banyak hal yang dilakukan oleh amazon.com untuk memanjakan penggunanya ketika berbelanja. Pada tulisan ini akan dibahas dua fitur rekomendasi yang diberikan oleh amazone.com. Pertama adalah rekomendasi berdasarkan rating yang pengguna berikan terhadap beberapa barang (Gambar 4). Pengguna dapat memberikan rating terhadap barang apapun yang ada di amazon.com. Data rating pengguna in digunakan untuk merekomendasikan barang lain kepada pengguna dengan menggunakan user-based collaborative filtering. Ketika pengguna merasa cukup merating barang, ia dapat meminta sistem untuk mengeluarkan rekomendasi berdasarkan rating yang ia berikan. Rekomendasi yang diberikan disertai penjelasan mengapa barang tersebut direkomendasikan. Pengguna dapat memberikan feeback terhadap hasil rekomendasi dengan memilih antara “I own it�, “not interested�, atau memberikan rating terhadap barang yang direkomendasikan. Feedback yang diberikan digunakan untuk meningkatkan kualitas rekomendasi berikutnya.

Fitur lain adalah “Customer who Bought� yaitu fitur dimana sistem merekomendasikan barang lain berdasarkan barang yang sedang kita lihat (Gambar 5). Amazon.com menggunakan metode item-based collaborative filtering dimana ketika pengguna melihat deskripsi suatu barang, sistem dapat merekomendasikan barang lain menggunakan association rule. Association rule didapatkan dengan melakukan pembelajaran pada data transaksi.

Gambar 4 Rekomendasi berdasarkan rating

Gambar 5 Rekomendasi “Customer who Bought�

e. Penilaian terhadap kualitas rekomendasi amazon.com

Rekomendasi berdasarkan rating menghasilkan keluaran yang akurat apabila pengguna telah merating cukup banyak barang. Dengan jumlah rating yang cukup banyak, sistem akan dapat menentukan kesamaan pola rating pengguna dengan pengguna lain secara lebih akurat. Hasil rekomendasi yang disertai dengan alasan membuat pengguna lebih yakin dalam menerima rekomendasi. Dengan adanya alasan tersebut, pengguna juga dapat melakukan peningkatan kualitas rekomendasi.

Rekomendasi “Customer who Bought� cukup akurat karena didukung dengan data transaksi yang besar mengingat amazon.com adalah situs belanja internet yang sangat terkenal. Dengan data transaksi yang besar, association rule yang dihasilkan juga lebih akurat.

Reel

a. Mengapa memilih reel

i. Situs rekomendasi film Hollywood yang cukup terkenal dan memiliki database film yang besar.

ii. Unik, karena pengguna tidak perlu melakukan registrasi untuk mendapatkan rekomendasi.

b. Apa yang disukai dari reel

i. Pengguna tidak perlu melakukan registrasi untuk bisa mendapatkan rekomendasi dari reel.

c. Apa yang tidak disukai dari reel

i. Tampilan cukup rumit.

ii. Pengguna tidak dapat memberikan feedback terhadap hasil rekomendasi.

iii. Tidak ada personalisasi, jadi siapapun akan mendapatkan rekomendasi yang sama untuk query yang sama.

d. Bagaimana reel menyediakan rekomendasi

Reel memberikan rekomendasi berdasarkan karakteristik film yang dimasukkan oleh pengguna (Gambar 6). Misalnya pengguna memasukkan judul film “Band of Brothers� maka Reel akan merekomendasikan film lain yang memiliki karakteristik mirip dengan film “Band of Brothers�. Rekomendasi yang diberikan meliputi “close matches� dan/atau “creative matches� (Gambar 7). Close matches adalah film-film yang direkomendasikan dengan tingkat keyakinan tinggi oleh Reel, sedangkan creative matches adalah film-film yang direkomendasikan dengan tingkat keyakinan lebih rendah. Reel juga menyediakan data mengenai karakteristik film yang direkomendasikan sehingga pengguna dapat mengetahui mengapa film tersebut direkomendasikan oleh Reel. Metode yang digunakan oleh reel hamper sama dengan metode yang diterapkan oleh Pandora. Bedanya adalah pengguna tidak dapat memberikan rating, sehingga siapapun akan mendapatkan rekomendasi yang sama untuk judul film yang sama.

Gambar 6 Movie anatomy yang digunakan sebagai pertimbangan rekomendasi

e. Penilaian terhadap kualitas rekomendasi reel

Rekomendasi dari Reel.com sama bagi semua pengguna yang memasukkan query tertentu. Bagi pengguna yang menyukai suatu film dengan karakteristik tertentu, ia akan merasa puas dengan rekomendasi reel.com, karena film hasil rekomendasi reel.com karakteristiknya akan mirip dengan film yang dimasukkan oleh pengguna. Namun kekurangannya adalah tidak adanya efek surprise dari rekomendasi yang diberikan.