BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1. Rekomendasi Berita Portal berita online saat ini menjadi popular yang bisa menyediakan berita yang dapat diakses melalui internet, tantagannya adalah membantu user menemukan berita yang disukai secara personal (Liu, et al. 2010). Rekomendasi berita menjadi solusi dari tatangan tersebut, karena bisa memberikan bantuan kepada user untuk menemukan lebih banyak berita yang mereka inginkan. Salah satu rekomendasi berita telah dilakukan oleh peneliti Google untuk diterapkan pada google news yang memberikan rekomendasi berita secara personal kepada user yang sudah login ke dalam sistem google news. Sehingga google news bisa mengambil jejak penjelajahan yang lebih banyak untuk bisa memberikan rekomendasi yang lebih tepat kepada user Pengguna Anonim Pengguna anonim merupakan pengakses suatu situs atau service yang tidak membutuhkan untuk mengisi username dan password dalam mengakses dan tidak tervalidasi (Janssen, 2014). Tipe user ini belum menetap untuk akses disuatu situs. Karena pengguna anonim tidak memiliki identitas yang spesifik dan bersifat unik yang bisa dicatat secara permanen, sehingga mengalami kesulitas dari sistem untuk mencatat setiap jejak penjelajahan berita dari pengguna anonim. Yang bisa dicatat nantinya hanya selama cookie pada browsernya tidak terhapus dan belum expired. Dalam penelitian ini, penulis mengasumsikan pengguna anonim sebagai pembaca berita.

2 Content Based Recommendation Content based recommendation merupakan sistem rekomendasi yang diberikan kepada user dengan cara menganalisa sekumpulan dokumen dan dibandingkan dengan apa yang telah diakses sebelumnya atau user profile dari masing masing user. Salah satu metode yang bisa digunakan untuk content based recommendation adalah model relevansi yang menggunakan vector space model dengan basis nilai TF-IDF (Lops, 2011). Metode vector space model yang penulis gunakan adalah sparse matrix vector multiplication yang akan penulis bahas pada bagian Sparse Matrix Sparse matrix adalah sebuah matriks yang didalamnya didominasi oleh nilai 0. Secara lebih jelas, jika jumlah nilai non-zero lebih sedikit dari jumlah nilai 0, maka itu disebut sparse matrix, akan tetapi jika nilai 0 lebih sedikit dari jumlah nilai non-zero, maka itu disebut dense martix (Stoer, et al. 2002). Menurut Bank (2001) penyimpanan data pada sparse matrix sama seperti penyimpanan data matriks pada umumnya. Setiap item di dalam sparse matrix akan diakses melalui A i,j, I = menyatakan baris dan j = menyatakan kolom. Unutk efisiensi dalam penyimpanan, ada 5 jenis format kompresi dalam sparse matrix yaitu COO (coordinate storage), CSR (Compressed Sparse Row), CCS (Compressed Column Storage ), JDS (Jagged Diagonal Storage) dan TJDS (Transposed Jagged Diagonal Storage) (Shahnaz, et al. 2006). Dalam penelitian ini, penulis menggunakan format kompresi CSR yang akan menempatkan nilai non-zero dalam 1 baris vector. Pada CSR terdapat 3 vektor yaitu val, col_ind, row_ptr. Val merupakan vektor untuk menyimpan nilai non-zero dari sparse matrix dengan proses pengambilannya dimulai dari kiri atas lalu kekanan sampai ke baris paling bawah dan akan disimpan dalam 1 baris. Col_ind merupakah vektor yang menyimpan kolom pada sparse matrix dari setiap item val dan disimpan dalam 1 baris. Row_ptr merupakan vektor yang menyimpan indeks baris dengan cara menambahkan jumlah item non-zero pada suatu baris dari sparse matrix (Goharian, et

3 8 al. 2001). Diberikan contoh matriks pada gambar 2.1 yang selanjutnya akan dibentuk dalam format CSR yang ditunjukkan pada gambar Gambar 2.1 Contoh sparse matrix Val = <1, 2, 1, 1, 1> Col = <0, 2, 3, 0, 2> Row Ptr = <0, 2, 3, 5 > Gambar 2.2 Contoh hasil format kompresi CSR dari sparse matrix gambar Information Filtering Information filtering (IF) adalah penyaringan informasi berdasarkan user profile yang dibentuk dengan menanyakan kepada user atau dengan memonitor perilaku user terhapat sistem (Smirnov, et al. 2008). Dalam penelitian penulis metode untuk Information filtering yang akan digunakan adalah bayesian framework for user interest prediction dan lebih spesifik pada rekomendas berita personal yang merupakan pengembangan dari rumus Naïve Bayes yang akan penulis bahas pada bagian Information Retrieval Information retrieval dalam arti sederhana mencari informasi, sedangkan dalam pengertian teknis adalah mendapatkan informasi yang relevan dengan informasi yang dibutuhkan dari sekumpulan dokumen dengan menggunakan algoritma yang mampu mengetahui ukuran kesamaan antara query dan dokumen (Goker, 2009). Saat ini, user menginginkan hasil relevansi dalam bentuk ranking, maka dari itu penggunaan information retrieval dengan model vektor dan probabilitas menjadi pilihan utama (Kneepkens, 2009). Algoritma information retrieval yang akan penulis gunakan dalam penelitian ini adalah CSR SpMV (Sparse Matrix Vector

4 9 Multiplication) dan proximity processing. CSR SpMV penulis jelaskan pada bagian 2.7 dan proximity processing penulis jelaskan pada CSR SpMV (Sparse Matrix Vector Multiplication) CSR SpMV merupakan perkalian antara sparse matrix dengan vector pengali dengan melakukan perhitungan y = y + A * x, dimana A menyatakan sparse matrix, y menyatakan baris dan x vector pengali yang sudah banyak diaplikasikan pada bidang ilmu science dan engineering untuk melakukan efisiensi pemrosesan (Liu, et al. 2013). Salah satu penerapan sparse matrix untuk information retrieval, dengan membentuk format kompresi CSR lalu melakukan perkalian dengan query yang dibentuk dalam vector, sehingga untuk setiap baris memiliki nilai penjumlahan dari setiap perkalian (Goharian, et al. 2001). for(count = 0; count < D; count++) temp = 0; for(row_ind=row_vector[count]; row_ind <= (row_vector[count+1] - 1); row_ind++) col_ind = col_vector[row_ind]; temp = temp + non_zero_vector[row_ind] * Q[col_ind]; end for CSR_output[count] = temp endfor Gambar 2.3 Algoritma CSR SpMV (Goharian, et al. 2001). Sebelum dilakukan proses CSR SpMV ada beberapa tahapan proses yang akan dilakukan (Goharian, et al. 2001) yaitu : 1. Mengubah dokumen yang berisi term menjadi term frequency (tf) 2. Mengindefikasi setiap jumlah term yang unik pada masing masing dokumen untuk mendapatkan document frequency (df) 3. Menghitung nilai inverse document frequency (idf) untuk setiap term dengan rumus log(d/df), d menyatakan jumlah dokumen. 4. Membuat dokumen vektor dan query dengan panjang kolom n, dengan n menyatakan jumlah term yang unik yang tersedia secara kesuluruhan.

5 10 5. Membentuk sparse matrix dengan cara memasukkan term sesuai kolom setiap baris matrix dengan masing masing dokumen 6. Membuat vector untuk query dengan mengikuti kolom dari 7. Lakukan kompresi sparse matrix ke dalam format CSR. 8. Lakukan algoritma CSR SpMV sesuai algoritma pada gambar Proximity Processing Proximity processing yang merupakan pengembangan dari CSR SpMV. Metode proximity processing dikembangkan oleh Goharian dkk pada tahun 2001 dalam jurnalnya On the Enhancements of a Sparse Matrix Information Retrieval Approach. Tujuan utama dari proximity processing dalam penelitian ini untuk memberikan hasil rekomendasi yang akurat dan term yang sesuai urutan antara query dan dokumen (Goharian, et al. 2001). FOR each document ranked with the highest similary score in the query processing using sparse matrix vector multiplication DO Find from row_vector the element (term id) and the number of elements in col_vector belonging to that document and the start position in col_vector IF the element (term id) mathes to any query term id Then DO FOR each found position in col_vector DO Find the corresponding element in offset_marker Find the corresponding elements in offset_vector END Build pairs (in the order of query terms) between the elements found in offset_vector across each col_vector FOR each pair DO Compute the difference between the elements of the pair IF the difference >= 1 and <= query window size Then mark the pair for selection END END END Gambar 2.4 Algoritma untuk proximity processing Untuk melakukan proximity processing yang merupakan lanjutan setelah melakukan CSR SpMV yang telah penulis jelaskan pada bagian 2.7 diharuskan untuk memodifikasi format CSR dengan menambahkan vektor yang kelima dan keenam, yaitu offset_vector dan offset_marker. Tujuan dari penambahan tersebut adalah untuk mencatat posisi setiap dari setiap term pada masing masing dokumen (Goharian, et al 2001).

6 Rekomendasi Berita Personal Rekomendasi berita personal merupakan bagian dari sistem rekomendasi yang memberikan rekomendasi berita yang berbeda untuk setiap pembaca berita, sesuai dengan kesukaan berita yang pernah dibaca (Liu, et al. 2010). Rekomendasi berita personal dikembangkan dari Naïve Bayes untuk memprediksi news interest dari setiap pembaca berita. Dalam penelitian ini penulis menggunakan bayesian framework for user interest yang telah dikembangkan dalam penelitian Liu dkk pada tahun Keterangan p category = c i click) = p 0 category =c i x N t x p t category =c i click ) t p t (category = c i ) N t t (2.1) p 0 category = c i = probabilitas akses kategori pada waktu terakhir terhadap total click di semua kategori p t category = c i click) = probabilitas akses kategori i dalam pada waktu t. sebelum dihitung akan dijabarkan lebih dahulu, maka = pt click category =c i ) p t (category =t i ) p t (click ) p t category = c i = probabilitas akses kategori padat waktu t terhadap total click disemua kategori pada waktu t N t = total click pada waktu t Stopword Removal Stopword adalah kata kata yang tidak memberikan pengertian yang signifikan terhadap kalimat atau pernyataan yang disampaikan (Dragut, et al 2009). Kata kata stopword dikenali sistem melalui daftar stopword, sehingga kata kata yang tersedia dalam suatu dokumen yang akan diproses untuk rekomendasi memiliki kata tersebut maka akan dihapus.

7 Stemming Stemming merupakan proses transformasi dari kata ke kata dasarnya (root word) menggunakan aturan aturan tertentu. Contohnya seperti kata bersama, kebersamaan, menyamai memiliki satu kata dasar (root word) yaitu sama. Proses stemming dalam Bahasa Indonesia memiliki perbedaan dengan stemming yang ada dalam Bahasa Inggris. Dalam Bahasa Inggris, proses stemming yang diperlukan hanya proses menghilangkan sufiks, sedangkan untuk Bahasa Indonesia selain sufiks, prefiks dan konfiks juga dihilangkan (Agusta, 2009). Dalam penelitian penulis menggunakan algoritma porter. Langkah langkah algoritma porter (Agusta, 2009) adalah sebagai berikut : 1. Hapus Particle, 2. Hapus prosessive Pronoun 3. Hapus awalan pertama. Jika tidak ditemukan lanjutkan ke langkah 4a, jika ada cari maka lanjutkan ke langkah 4b 4. a. Hapus awalan kedua, lanjutkan ke langkah 5a. b. Hapus akhiran, jika tidak ditemukan amaka kata tersebut diasumsikan sebagai root word. Jika ditemukan maka lanjutkan ke langkah 5b 5. a. Hapus akhiran. Kemudian akata akhir diasumsikan sebagai root word b. Hapus awalan kedua. Kemudian kata akhir diasumsikan sebagai root word Start If kata=temp_kata YES kataç Remove 2nd_order_prefix(kata) kataç Kata yang akan di-stem NO kataç Remove suffix(kata) kataç Remove suffix(kata) kataç Remove partikel(kata) kataç Remove kata ganti milik/ possesive pronouns(kata) If kata<>temp_kata YES kataç Remove 2nd_order_prefix(kata) temp_kataç kata NO kataç Remove 1 st _order_prefix(kata) kata dasar End Gambar 2.5 Flowchart algoritma Porter (Budhi, 2006)

8 13 Ada 5 aturan yang akan penulis jabarkan dalam bentuk tabel, dimulai dari tabel 2.13 sampai tabel 2.17 (Agusta, 2009). Tabel 2.1 Aturan untuk inflectional particle Akhiran Replacement Measure Additional Contoh Condition Condition -kah NULL 2 NULL bukukah -lah NULL 2 NULL pergilah -pun NULL 2 NULL bukupun Tabel 2.2 Aturan untuk inflectional possesive pronoun Akhiran Replacement Measure Additional Contoh Condition Condition -ku NULL 2 NULL bukuku -mu NULL 2 NULL bukumu -nya NULL 2 NULL bukunya Tabel 2.3 Aturan untuk first order derivational prefix Awalan Replacement Measure Additional Contoh Condition Condition meng- NULL 2 NULL mengukur -> ukur meny S 2 V * menyapu -> sapu men- NULL 2 NULL menduga -> duga mem- P 2 V memaksa -> paksa mem- NULL 2 NULL membaca -> baca me- NULL 2 NULL merusak -> rusak peng- NULL 2 NULL pengukur -> ukur peny- S 2 V penyapu -> sapu pen- NULL 2 NULL penduga -> duga pem- P 2 V.. pemaksa -> paksa pem- NULL 2 NULL pembaca -> baca di- NULL 2 NULL diukur -> ukur ter- NULL 2 NULL tersapu -> sapu ke- NULL 2 NULL kekasih -> kasih Tabel 2.4 Aturan untuk second order derivational prefix Awalan Replacement Measure Additional Contoh Condition Condition ber- NULL 2 NULL berlari -> lari bel- NULL 2 Ajar belajar -> ajar

9 14 Tabel 2.5 Aturan untuk second order derivational prefix (lanjutan) Awalan Replacement Measure Additional Contoh Condition Condition be- NULL 2 k*er bekerja - > kerja per- NULL 2 NULL perjelas -> jelas pel- NULL 2 Ajar pelajar -> ajar pe- NULL 2 NULL pekerja -> kerja Tabel 2.6 Aturan untuk derivational suffix Akhiran Replacement Measure Condition Additional Condition -kan NULL 2 Prefix bukan anggota {ke, peng} -an NULL 2 prefix bukan anggota {di, meng, ter} -i NULL 2 prefix bukan anggota {ber, ke, peng} Contoh tarikkan -> tarik, mengambilkan -> ambil makanan -> makan, perjanjian -> janji Tandai -> tanda, mendapati -> dapat Penelitian Sebelumnya Penelitian yang pernah dilakukan terkait dengan sistem rekomendasi personal adalah dengan memanfaat collaborative filtering (Das, et al. 2007) merekomendasikan secara personal dengan parameter lokasi sebagai panduan utama, berita akan direkomendasikan kepada user berdasarkan berita yang disukai oleh user lain dilokasi yang sama. Selain penelitian tersebut, ada juga menggunakan News Interest dari Click Behavior (Liu, et al. 2010) memberikan rekomendasi berita berdasarkan kategori yang pernah dikunjungi oleh user. Tabel 2.7 Penelitian sebelumnya Penulis Judul Penelitian Teknik Kelemahan Das et al Google News Personalization : Scalabel Online Collborative Filtering Menggunakan metode collaborative filtering yang memberikan rekomendasi dengan menggabungkan kesukaan user lain terhadap 1 berita Memberikan rekomendasi berdasarkan kesukaan orang lain yang pasti belum tentu menjadi kesukaan user lainnya

10 15 Tabel 2.7 Penelitian sebelumnya (lanjutan) Penulis Judul Penelitian Teknik Kelemahan Liu et al Personalized News Recommendation Based On Click Behavior Menggunakan bayesian framework for user interest untuk memberikan prediksi rekomendasi berita berdasarkan riwayat penjelajahan dalam 1 kategori Membutuhkan banyak riwayat penjelajahan berita, karena memberikan rekomendasi berdasarkan kategori, yang belum tentu berita dikategori yang sama akan disukai semua.