Berdasarkan pada tujuan penelitian, maka pada bagian metode menjelaskan langkah untuk proses pencapaian tujuan tersebut. Adapun langkah-langkahnya, pertama peneliti melakukan studi literatur, kemudian melakukan analisis permasalahan yang terjadi saat ini, kemudian permasalahan tersebut disesuaikan dengan literatur yang dikaji. Tahap selanjutnya melakukan pengumpulan data, teknik yang dipakai padasaat penggumpulan data adalah dengan melakukan survei dan pengisian kuesioner kepada pengunjung dan pengelola. Setelah data telah terkumpul dilakukan tahap penyusunan model. Gambaran umum dari alur penelitian pada metode ditampilkan pada Gambar 7:
Gambar 7 Alur metode penelitian
Setelah dilakukan tahapan penyusunan model, kemudian dilakukan tahap pengembangan mekanisme dan algoritme aplikasi mobile menggunakan data spasial pada tahap ini teknik yang digunakan mengacu pada CARS untuk detailnya akan dibahas pada sub bab selanjutnya. Setelah Tahap pengembangan mekanisme dan algoritma dilakukan, tahap selanjutnya yaitu membangun aplikasi prototipe sistem rekomendasi. Pada tahap ini pembangunan aplikasi di lakukan menggunakan bahasa pemograman android untuk penjelasan lebih lengkap akan di bahas pada sub bab pengembangan aplikasi. Setelah kedua tahap tersebut selesai dilakukan, maka dilakukan tahapan selanjutnya yaitu tahap implementasi. Pada tahap ini kedua tahap sebelumnya digabungkan, setelah penggabungan dilakukan tahap uji coba terhadap kedua tahap tersebut. Apabila pada saat penggujian terdapat kesalahan maka dilakukan pemeriksaan kesalahan tersebut. Apabila kesalahan tersebut berupa error logic, pemeriksaan dilakukan pada tahap pengembangan mekanisme dan algoritme dan apabila kesalahan berupa bugs pada
aplikasi, dilakukan pemeriksaan pada tahap pembagunan aplikasi sistem rekomendasi dan apabila tidak terdapat kesalahan pada keduanya maka program telah selesai dikerjakan dan dapat digunakan. Metode penelitian ini digunakan sebagai tahap pengerjaan secara keseluruhan penelitian, sedangkan untuk tahap penyusunan model menggunakan alur penelitian tersendiri yang digunakan untuk menjawab tujuan dari penelitian ini.
Perancangan mekanisme dan algoritme Recommendation Systems (RSs)
Pada tahap perancangan mekanisme dan algoritme RSs, yang pertama dilakukan adalah pengolahan terhadap data hasil analisa dari tahap sebelumnya untuk diproses. Data tersebut diperoleh dari proses pengambilan data dengan melakukan survei lapang, pengisian kuesioner dan wawancara kepada penggunjung obyek wisata dan pengelola maupun pemilik dari obyek wisata. Selain melalui pengisian kuesioner, proses pengambilan data posisi atau data spasial dari obyek wisata juga diambil dengan menggunakan alat bantu GPS (Global Positioning System).
Data yang diambil dari hasil survei berupa data pengguna dan data dari obyek ekowisata, yang akan olah dan disimpan kedalam database. Data obyek wisata yang diambil pada saat survei ada 21 obyek (Lampiran 22) yang berada didaerah Bogor namun yang dijadikan data uji pada pembuatan aplikasi menggunakan 14 obyek wisata karena tidak semua data obyek wisata dapat dikategorikan sebagai ekowisata. Data yang diperoleh akan dibentuk menjadi beberapa context yaitu, profil pengguna, jarak, data waktu. Data ini akan digunakan dalam perhitungan algoritme RSs menggunakan metode CARS.
Perhitungan Metode CARS
Tahap perhitungan rekomendasi menggunakan metode CARS (Context Aware Recommender Systems). Adapun tahapan metode CARS yang digunakan pada penelitian ini adalah contextual pre-filtering.
Gambar 8 merupakan salah satu model dari 3 pendekatan yang dapat digunakan dalam metode CARS. Ada 3 tahap yang dilakukan didalam pendekatan ini untuk mendapatkan contextualized data. Tahap pertama adalah data, data disini merupakan hasil dari analisis permasalahan, kemudian dilakukan pengumpulan data. Adapun data yang diperlukan adalah data pengguna yang disimbolkan dengan (U ). Data pengguna diperoleh dari pendaftaran pengguna pada aplikasi RSs ekowisata yang tersimpan di dalam database. Sedangkan, data item disimbolkan dengan (I). Data item di dalam penelitian ini berupa data obyek ekowisata yang diperoleh dari hasil survei dan literatur yang membahas tentang ekowisata khusus untuk daerah Bogor. Sedangkan data context yang disimbolkan (C ). Data context ini diperoleh melalui context generalization. Generalisasi context dapat didefinisikan pada persamaan 1 berikut :
' ' '
1 1
( ,...,
k) ( ,...,
k)
c = c c → c c
(1)Data yang diperlukan selanjutnya adalah rating yang disimbolkan dengan R, generalization pre-filtering juga menggunakan context time yang disimbolkan dengan t dalam rumus pencarian rating sehingga dapat dirumuskan
[
Time∈St]
dimana St merupakan superset dari context time. Pada penelitian ini, hasil generalization context memiliki struktur hirarki seperti Gambar 9 berikut:
Gambar 9 Struktur hirarki contextual information.
Struktur hirarki contextual linformation dari sistem yang dibuat merupakan turunan dari database ekowisata. Dari Gambar 9 terlihat yang menjadi context dalam sistem ini adalah profil pengguna, Jarak (distance) dan frekuensi waktu kunjungan (time). Gambar 9 menjelaskan hubungan context dengan pengguna dan item. Hal ini sangat perlu diketahui sebagai dasar dari pembuatan sistem rekomendasi. Setelah diketahui struktur hirarki tersebut perhitungan rekomendasi dapat dilakukan dengan mengumpulkan data yang ada kemudian mencari rating dari setiap transaksi pengguna dengan Objek wisata (item). Kemudian dilihat dari setiap context yang terdapat didalam transaksi sehingga menghasilkan rating pada
setiap transaksi. Kemudian rating tersebut diberikan ranking yang dihitung dengan metode pre-filtering sehingga mendapatkan hasil rekomendasi yang sesuai. Pada penelitian ini, cara yang digunakan untuk mendapatkan context time dihitung berdasarkan banyaknya waktu kunjungan pengguna terhadap satu tempat obyek ekowisata. Sedangkan cara yang digunakan untuk mendapatkan context profil pengguna dihitung dari data yang diisi pada form pendaftaran pada aplikasi kemudian disimpan ke dalam database. Nilai yang diambil untuk profil pengguna dari form pendaftaran pengguna adalah umur dan hobi pengguna. Dua nilai tersebut dihitung terhadap item dan pengguna, maka dibuat kamus data terlebih dahulu untuk dilihat kecocokan dari setiap obyek ekowisata dengan hobi dari pengguna sebagai salah satu preferensi pengguna di dalam database sebagai berikut:
1. Daftar hobi: memancing, berenang, membaca, mendaki gunung, bersepeda, camping, photography, penjelajah, traveling, culinary.
2. Data obyek ekowisata: fasilitas yang disediakan dan kriteria dari wahana yang ada pada obyek wisata. Fasilitas pada obyek wisata yang disediakan disesuaikan dengan hobi pengguna.
Context distance (jarak) dihitung berdasarkan perhitungan jarak rating menggunakan euclidean jarak atau euclidean metrik yang dihitung antara dua titik. Jarak euclidean antara titik p dan q adalah panjang segmen garis yang menghubungkan satu dan yang lainnya. Dalam titik koordinat, jika p = (p1, p2, ..., pn) dan q = (q1, q2, ..., qn) adalah dua titik euclidean ruang-n, jarak dari p ke q, atau dari q ke p seperti persamaan 2 dibawah ini:
, ∑ (2)
Dimana p merupakan posisi current location pengguna, yang diperoleh dari GPS (Global Positioning System) yang terhubung pada aplikasi ekowisata ini dan dimunculkan pada peta di dalam mobile. Sedangkan q merupakan posisi dari obyek ekowisata. Posisi yang dimaksudkan adalah T dan S dari longitud dan latitud. Dimana T dan S diperoleh dari masing-masing pengguna dan obyek ekowisata. Untuk menghitung kemiripan antara data pengguna dengan data obyek wisata yang sudah dipilih berdasarkan context menggunakan persamaan 3:
(3)
Dimana L adalah data vektor dari transaksi baru yang dilakukan pengguna, S adalah transaksi yang sudah tersimpan didalam memori (database). Transaksi disini adalah hubungan antara pengguna dengan obyek wisata, n adalah jumlah atribut pada setiap transaksi, i adalah atribut individu dari pengguna antara 1 sampai ke n. Sedangkan f adalah fungsi dari kesamaan dan frekuensi dari atribut i dengan transaksi T dan S. Sedangkan w adalah bobot (rating) yang diberikan kepada atribut ke i. Perhitungan yang digunakan sesuai dengan context time (waktu) adalah untuk kemiripan antara pengguna dan obyek wisata berdasarkan dari segi waktu kunjungan ke obyek wisata tersebut. Rumus untuk menghitung kedekatan berdasarkan context time (waktu) mirip dengan rumus perhitungan dari
1 ( , ) * ( , ) n i i i i i f T S w L T S w = =
∑
context profil pengguna. Untuk menghitung kemiripan dengan context waktu dapat dilakukan dengan persamaan 4:
(4)
Dimana T adalah data vektor dari transaksi baru yang dilakukan pengguna terhadap context time, T adalah transaksi time yang sudah tersimpan didalam memori (database). Transaksi disini adalah hubungan antara pengguna dengan obyek wisata, n adalah jumlah atribut pada setiap transaksi, i adalah atribut individu dari pengguna antara 1 sampai ke n. Sedangkan f adalah fungsi frekuensi dari kesamaan atribut i dengan transaksi X dan Y. Sedangkan w adalah bobot (rating) yang diberikan kepada atribut ke i.
Setelah data rating diperoleh, data tersebut masih bersifat rekomedasi 2D. Untuk mendapatkan contextulization recommendation perlu dilakukan ranking dari masing-masing rating item. Adapun penghitungan rumus selanjutnya yang digunakan pada penelitian ini untuk menghitung ranking di dalam context aware recommender system adalah dengan menggunakan persamaan 5 dibawah ini:
( | , ) ( | , )
p items user context ∝ p d u v (5)
Dimanap adalah probability dari item disimbolkan dengan d dan pengguna disimbolkan denganusedangkan context disimbolkan dengan v(value). Sehingga setelah melakukan ranking dari bobot setiap transaksi antara pengguna dan obyek wisata yang dipilih berdasarkan context maka itulah yang direkomendasikan. Hasil rekomendasi ini dipilih 3 terbesar dari hasil perhitungan ranking yang dilakukan.
Pembuatan Aplikasi Sistem RSs
Pada tahap ini, pembuatan aplikasi dilakukan dengan menggunakan metode pendekatan pengembangan aplikasi prototipe. Adapun tahap-tahapnya sebagai berikut : Identity Requirments Develop First Prototype Implement and use Revise and enhance Improved prototype Requirement First Prototype User Feedback
Gambar 10 Metode pendekatan prototipe (Sommerville 2011)
1 ( , ) * ( , ) n i i i i i f X Y w T X Y w = =
∑
Pada Gambar 10 merupakan metode pendekatan dalam pembuatan aplikasi yang digunakan untuk menjawab tujuan kedua pada penelitian ini. Adapun proses yang pertama dilakukan adalah melakukan identity requirements yaitu melihat kebutuhan apa saja yang diperlukan untuk pembuatan sistem seperti: perancangan aplikasi sesuai studi kasus, pemilihan dan penggunaan software dan tools yang akan digunakan, serta kesesuaian terhadap kebutuhan pengguna. Sedangkan proses yang kedua adalah tahap develop first prototype design, perancangan aplikasi dilakukan dengan melakukan perancangan sepesifikasi kebutuhan sistem. Pada tahap analisis (Analysis) dilakukan dengan perancangan data menggunakan UML (Unified Modeling Language), ERD (Entity Relational Diagram), dan class diagram. Kemudian dari hasil rancangan tersebut, dilakukan tahap ketiga yaitu Implement and use aplikasi yang sesuai hasil tahap analisis dengan menggunakan bahasa pemrograman Java pada Android.
Tahap terakhir dengan melakukan testing, revise dan enhance. Selanjutnya dilakukan tahap implementation dan unit pengujian untuk menyatukan semua proses yang ada didalam aplikasi kemudian dilakukan ujicoba pada masing-masing proses tersebut. Pada tahap integration dan system testing, aplikasi ini dibuat dalam bentuk prototipe oleh karena itu system testing masih dilakukan pada tools sendiri (Localhost) belum dimasukkan ke dalam Google Playstore yang ada pada Android. Sedangkan pada tahap maintanance, pada sistem belum dilakukan maintanance karena masih dalam bentuk prototipe.
Alat dan Bahan Membangun Aplikasi Sistem Rekomendasi
Aplikasi sistem dibangun dengan menggunakan bahasa pemograman Android. Metode yang digunakan dalam pembuatan sistem ini menggunakan metode pengembangan sistem prototipe (Sommerville 2011). Lingkungan perangkat keras yang digunakan adalah laptop dengan minimum spesifikasi Processor Intel Core i3, RAM 2GB, HDD 650 GB, Monitor Lenovo 13 Inci, Logitech Mouse, Tablet Samsung 7.2 sebagai alat uji coba sistem. Lingkungan perangkat lunak yang digunakan adalah Operating System Microsoft Windows 7 (32 byte), Android ADT (Android Development Tools) sebagai perangkat lunak untuk menghasilkan Aplikasi, MySQL sebagai DBMS (Database Management Systems) dan tools web bit server sebagai server pada perangkat mobile.
Implementasi dan Uji Coba
Sistem yang sudah dibuat harus dilakukan uji coba dan implementasi. Hal ini dimaksudkan untuk menguji kesesuaian sistem yang dibuat sudah sesuai dengan analisis kebutuhan. Pengujian ini dilakukan menggunakan blackbox testing (Lampiran 27). Setelah sistem yang diuji sudah sesuai dengan kebutuhan dan tidak muncul error pada program, maka dinyatakan program tersebut sudah dapat digunakan.