Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Erliansyah Nasution
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Dan Implementasi Conversational Recommender System Dengan Mekanisme Pemilihan Pertanyaan Menggunakan Reinforcement Learning Berbasis Ontology Ilham Mujaddid Al Masyriq; Z K Abdurrahman Baizal; Erliansyah Nasution
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Conversational recommender system merupakan salah satu variasi dari recommender system yang ada saat ini. Namun, proses pemilihan pertanyaan yang akan diajukan lebih dulu menjadi masalah jika jumlah pertanyaan yang ada dirasa cukup banyak dan tidak semua pertanyaan bisa diajukan, sehingga hanya dimunculkan beberapa saja. Oleh karena itu, diperlukan suatu mekanisme pembelajaran untuk memilih pertanyaan yang layak diajukan terlebih dahulu. Dalam tugas akhir ini digunakan reinforcement learning sebagai metode pembelajaran dalam proses pemilihan pertanyaan tersebut. Dengan ontology sebagai basis pengetahuanya, conversational system ini melakukan pembelajaran dengan menggali preferensi pengguna dengan mengajukan pertanyaan-pertanyaan berupa kebutuhan fungsional. Conversational recommender system ini diharapkan mampu memberikan pertanyaan yang sesuai dengan kebutuhan pengguna saat itu dan memberikan hasil rekomendasi yang akurat sesuai dengan preferensi pengguna sehingga interaksi pengguna pada system pun dapat dilakukan seefisien mungkin. Kata kunci: conversational recommender system, reinforcement learning, ontology, history.
Penanganan Masalah Cold Start Dan Diversity Rekomendasi Menggunakan Item-based Clustering Hybrid Method Gentra Aditya Putra Ruswanda; Z K Abdurrahman Baizal; Erliansyah Nasution
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada recommender system terdapat dua metode yang sering digunakan yaitu content-based filtering dan collaborative filtering. Metode-metode ini memiliki kelebihan dan kekurangannya masing-masing. Metode content-based filtering memiliki kekurangan dimana hasil rekomendasi yang diberikannya kurang beragam (diversity) dikarenakan metode ini hanya mengacu pada konten item yang direkomendasikan saja. Pada metode collaborative filtering terdapat masalah dimana item baru yang masih belum memiliki rating tidak dapat direkomendasikan karena data rating yang dibutuhkan saat proses rekomendasi tidak ada. Pada penelitian ini akan diuji hipotesis dimana kombinasi dari kedua metode tersebut dapat mengatasi masalah cold start dan diversity yand dimiliki masing-masing metode. Metode yang digunakan untuk mengkombinasikan kedua metode tersebut adalah Item-based Clustering Hybrid Method (ICHM). Pengukuran kemampuan ICHM dalam mengatasi masalah cold start akan dihitung menggunakan metrik Mean Absolute Error (MAE) sedangkan pengukuran diversity dari hasil rekomendasinya akan dihitung menggunakan metrik Intra-List Similarity (ILS). Hasil dari penelitian ini menunjukkan bahwa metode ICHM memiliki kemampuan lebih baik dalam menangani masalah cold start dibandingkan dengan collaborative filtering dengan nilai MAE 1,4522 dan 3,8103. Hasil dari pengujian diversity menunjukkan bahwa ICHM memiliki hasil rekomendasi yang lebih beragam dibandingkan dengan content-based filtering dengan nilai ILS -3,7187 dan 34,5709. Kata Kunci : recommender system, item-based clustering hybrid method, diversification, cold start
Penggalian Preferensi Kebutuhan Fungsional Dengan Conversational Recommender System Berbasis Ontologi Romy Adzani Adiputra; Z K Abdurrahman Baizal; Erliansyah Nasution
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi yang semakin cepat menuntut pencarian informasi yang semakin mudah. Banyak sekali forum, blog, toko online, dan sebagainya yang menyediakan informasi mengenai suatu produk tertentu. Namun masalah yang sering terjadi saat ini adalah cara untuk mendapatkan suatu produk terbaik yang sesuai dengan kriteria pembeli dengan waktu yang singkat. Conversational Recommender System merupakan salah satu solusi yang bisa digunakan. Recommender system yang tersebar di dunia maya pada umumnya hanya berbasis filter spesifikasi tanpa menjelaskan kebutuhan yang akan pengguna butuhkan. Dengan adanya fitur conversation pada suatu recommender system, pengguna akan dipandu layaknya seorang calon pembeli yang sedang dibantu oleh seorang expert atau konsultan suatu produk dalam menemukan produk yang cocok dengan kebutuhan calon pembeli. Penggalian preferensi pada sistem akan memperluas kebebasan pengguna dalam menentukan preferensi yang diinginkan, sehingga perekomendasian produk akan semakin akurat. Dengan menyematkan basis atau model ontologi yang berbentuk jaringan semantik, sistem dapat melakukan learning terhadap kebutuhan pengguna dan mengkonversinya menjadi sebuah keputusan dalam merekomendasikan suatu produk layaknya seorang manusia dalam memberikan keputusan. Dengan begitu pengguna akan lebih nyaman dan cepat dalam menemukan produk yang sesuai dengan kebutuhannya. Kata kunci : conversational recommender system, knowledge-based filtering, ontology, preference elicitation
Co-Authors Gentra Aditya Putra Ruswanda Ilham Mujaddid Al Masyriq Romy Adzani Adiputra ZK Abdurahman Baizal