Publisher

PLBPLB

Journal TEMATIKTEMATIK Abstract

Recommender system sebagai bagian yang terintegrasi akan memberikan penyesuaian personalisasi individu dalam pengalaman menggunakan web. Penggalian pengetahuan produk dapat memandu pengguna saat melakukan pencarian suatu produk. Memberikan bantuan dan kinerja pengguna yang cerdas tugas pada nama pengguna akan membutuhkan pemahaman tentang tujuan dan preferensi mereka. Dengan demikian, umpan balik pengguna mempunyai peran penting dalam arti bahwa hal itu membantu mengarahkan pencarian ke arah rekomendasi yang baik. Idealnya, sistem harus mampu menafsirkan umpan balik yang diberikan pengguna secara efektif, dan kemudian merespons dengan memberikan serangkaian rekomendasi yang lebih baik. Dalam penelitian ini bertujuan menyelidiki bentuk umpan balik yang dikenal sebagai kritik/saran. Meskipun sejumlah besar pemberi rekomendasi sangat cocok dengan bentuk umpan balik ini, penulis berpendapat bahwa dengan sendirinya hal itu dapat menyebabkan dialog rekomendasi yang tidak efisien. Sebagai solusi, diusulkan teknik rekomendasi baru yang memiliki kemampuan yang secara dramatis meningkatkan kegunaan dari kritik/saran.

Conclusion

Umpan balik memiliki peran penting dalam sistem pemberi rekomendasi yang dipersonalisasi, dan kritik merupakan bentuk umpan balik yang cocok untuk rekomendasi berbasis konsumen.Namun, tanpa mekanisme pendukung, kritik dapat menyebabkan dialog rekomendasi yang panjang dan tidak efisien.Seleksi adaptif terbukti secara signifikan meningkatkan efisiensi rekomendasi dengan menyeimbangkan kesamaan dan keragaman dalam pemilihan item, serta mampu mengurangi hingga 60% jumlah item yang ditampilkan dibandingkan metode kritik standar.

Future Research

Pertama, perlu diteliti bagaimana seleksi adaptif dapat diterapkan dalam konteks rekomendasi non-konsumen, seperti sistem edukasi atau konseling karier, untuk melihat apakah peningkatan efisiensi dialog tetap terjadi di luar domain produk. Kedua, penting untuk mengembangkan pendekatan yang menggabungkan kritik dengan umpan balik berbasis peringkat secara dinamis, sehingga sistem dapat beradaptasi secara otomatis tergantung pada kompleksitas kebutuhan pengguna dan tingkat keahlian mereka. Ketiga, sebaiknya dilakukan penelitian tentang efek antarmuka visual terhadap efektivitas kritik, misalnya dengan mengevaluasi apakah representasi grafis dari kesamaan item dapat membantu pengguna memberikan kritik yang lebih tepat dan mengurangi kesalahan arah rekomendasi. Ketiga ide ini dapat membuka jalan bagi sistem rekomendasi yang lebih cerdas, responsif, dan ramah pengguna di berbagai platform digital. Dengan memahami konteks penggunaan yang lebih luas, sistem dapat dioptimalkan tidak hanya dari sisi algoritme, tetapi juga dari interaksi manusia-komputer. Penelitian lanjutan ini akan sangat relevan seiring meningkatnya kebutuhan akan personalisasi yang efisien di era digital. Pendekatan gabungan antara metode kritik dan elemen antarmuka baru dapat memberikan wawasan penting mengenai desain sistem yang lebih intuitif. Selain itu, validasi seleksi adaptif di domain dengan fitur lebih kompleks dapat mengungkap batasan dan potensi pengembangan lebih lanjut. Hasilnya nanti dapat digunakan untuk merancang sistem rekomendasi yang lebih andal dan mampu menyesuaikan diri secara dinamis. Hal ini juga penting untuk menjangkau pengguna dengan beragam latar belakang teknis. Dengan demikian, sistem tidak hanya lebih efisien, tetapi juga lebih inklusif dan mudah diakses oleh semua kalangan.

Metadata

File size	1.03 MB
Pages	18
DMCA	Report