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.
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 ciri-ciri 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 websitemarketing.
4. Knowledge-based
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 teman-teman 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).
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
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,
[
3. Memberikan nilai bobot preferensi (W) oleh pengambil keputusan untuk masing-masing 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.
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
1.
berbeda dengan adanya dua metode
Bobot perhitungan adalah m erupakan
salah satu indikator penting dalam sehingga lebih mudah dalam membuat jadwal
Dalam penelitian ini, SAW dapat menghasilkan rekomendasi pencari kerja terbaik berdasarkan kriteria yang
dibutuhkan