Studi basis data berbasis Graf untuk sistem rekomendasi waktu nyata

Abstract

Sistem rekomendasi kini sudah menjadi fitur utama yang banyak digunakan oleh perusahaan dalam membangun sistem digitalnya untuk merekomendasikan berbagai hal, seperti lagu, film, video, teman pada media sosial, atau produk pada e-commerce. Sistem rekomendasi memungkinkan pengguna untuk menemukan produk yang dianggap sesuai atau relevan dengan preferensinya tanpa perlu mencarinya secara manual. Terdapat beberapa algoritma yang dapat digunakan untuk membuat model rekomendasi. Salah satu yang cukup populer adalah algoritma collaborative filtering neighborhood-based yang terbagi menjadi 2 metode, yaitu item-based dan user-based. Kedua algoritma ini bekerja dengan memanfaatkan data rating yang diberikan pengguna sebelumnya untuk mencari pengguna lain yang memiliki preferensi mirip dengan pengguna (user-based) atau mencari barang lain yang mirip dengan barang yang dibeli pengguna (item based). Namun, algoritma collaborative filtering neighborhood-based membutuhkan waktu yang cukup lama dalam menyediakan rekomendasi karena harus mencari kemiripan antara seorang pengguna dengan seluruh pengguna lainnya atau satu barang dengan semua barang lainnya. Lamanya waktu yang dibutuhkan untuk membuat model rekomendasi menyebabkan sebagian tahap pembuatan model rekomendasi, yaitu perhitungan similarity dilakukan secara oine. Dengan demikian, model rekomendasi akan diperbarui secara berkala dalam rentang waktu tertentu berdasarkan data histori. Hal tersebut berdampak pada hasil rekomendasi yang menjadi kurang akurat dimana mungkin barang yang direkomendasikan sudah tidak lagi relevan bagi pengguna. Untuk mengatasi permasalahan tersebut, pada skripsi ini dilakukan analisis mengenai sistem rekomendasi waktu nyata dimana rekomendasi diberikan secara real time pada saat pengguna berinteraksi dengan sistem. Data yang digunakan untuk memberikan rekomendasi adalah data yang baru didapat, misalnya dengan merekomendasikan barang yang serupa dengan barang yang baru saja dibeli. Dengan demikian, rekomendasi yang diberikan akan lebih relevan. Teknologi yang dimanfaatkan untuk mengembangkan sistem rekomendasi waktu nyata adalah teknologi sistem manajemen basis data berbasis graf atau yang biasa dikenal dengan istilah DBMS berbasis graf, yaitu Neo4j. Dengan menggunakan DBMS berbasis graf Neo4j, pemberian rekomendasi dapat dilakukan dengan lebih cepat. Hal ini dikarenakan basis data graf menyimpan data dalam bentuk graf dimana hubungan antar data tersebut telah tersimpan sehingga tidak diperlukan lagi operasi join ketika data dibutuhkan seperti pada basis data relasional. Pembuatan model rekomendasi waktu nyata ini dilakukan dengan menggunakan data sintetis yang dibuat berdasarkan skema data real. Data tersebut kemudian dimodelkan dan dianalisis dengan memanfaatkan konsep-konsep graf. Setelah dibuat, model rekomendasi kemudian dievaluasi dengan membandingkan hasil rekomendasi yang diberikan sistem dengan hasil visualisasi graf secara manual. Selain itu, pada akhir penelitian ini juga dibangun sebuah prototipe sistem belanja online berbasis website dengan fitur-fitur sederhana untuk meluncurkan model rekomendasi yang dibuat. Berdasarkan hasil pengujian, kesimpulan yang diperoleh adalah bahwa Neo4j dapat digunakan untuk membangun sistem rekomendasi waktu nyata.