Menyatakan kebutuhan berdasarkan fitur teknis produk sering menyulitkan
banyak calon pembeli, khususnya untuk produk multi fungsi dan
mempunyai banyak fitur, seperti mobil, notebook, smartphone, server,
kamera, dan sebagainya, dsb-dan sebagainya. Hal ini dikarenakan tidak
semua orang familiar terhadap fitur teknis dari produk-produk tersebut.
Menanyakan kebutuhan pengguna aspek kegunaan (kebutuhan fungsional)
dari produk yang akan dibeli, adalah cara yang lebih natural dalam menggali
kebutuhan pengguna. Oleh karena itu, buku ini menyajikan bagaimana
membangun sebuah conversational recommender system (CRS) yang
memperhatikan aspek kebutuhan fungsional produk.
Ontologi dipilih sebagai pengetahuan dari sistem, karena nature dari
struktur ontologi, memungkinkan untuk membuat pemetaan yang lebih
fleksibel antara kebutuhan fungsional produk, spesifikasi, dan produk.
Selain itu, dalam ontologi, memungkinkan untuk penyusunan masingmasing konsep (entitas) secara hirarkis, dan struktur seperti ini sangat
menguntungkan, terutama untuk mendukung pengembangan model
pembangkitan pertanyaan. Struktur ontologi ini mempunyai 3 kelas utama,
yaitu FuncReq (merepresentassikan kebutuhan fungsional), Specification
(merepresentasikan gradasi kualitas fitur teknis) dan Product
(merepresentasikan klasifikasi produk). Ontologi merupakan basis
pengetahuan dari sistem. Mekanisme interaksi dilakukan melalui dialog
tanya jawab, rekomendasi produk dan penjelasan mengapa suatu produk
direkomendasikan, seperti layaknya interaksi antara calon pembeli dengan
professional sales support. Model komputasional untuk membangkitkan
interaksi dikembangkan dengan memanfaatkan eksplorasi relasi semantik
dalam ontologi. Dengan model dan struktur ontologi ini, diharapkan
pengembangan CRS yang disajikan dalam buku ini, dapat juga diterapkan
untuk berbagai domain yang berbeda, khususnya untuk domain produk yang
bersifat multi fungsi dan mempunyai banyak fitur (notebook, server, PC,
mobil, kamera, smartphone, dan sebagainya, dsbdan sebagainya).
iv Conversational Recommender System Berbasis Pada Kebutuhan Fungsional Produk
Evaluasi terhadap CRS yang dibangun meliputi evaluasi dari sisi efisiensi
maupun efektifitas. Hasil evaluasi menunjukkan bahwa model interaksi
dalam CRS berbasis kebutuhan fungsional mampu melakukan mekanisme
query requirement dengan efisien, berdasarkan pengurangan jumlah sisa
record secara signifikan dalam 4 interaksi. Dalam 4 interaksi, jumlah produk
yang direkomendasikan kurang dari 20 dari 288 produk yang ada (<
0.6.9%). Dari sisi efektifitas, dilakukan user study yang melibatkan
pengguna yang familiar (expert user) maupun tidak familiar (novice user)
dengan fitur teknis produk. Hasil pengujian menunjukkan, CRS berbasis
kebutuhan fungsional cukup efektif dalam memandu pengguna. Hal ini
ditunjukkan dengan, baik expert maupun novice user lebih menyukai model
interaksi CRS berbasis kebutuhan fungsional daripada model interaksi pada
aplikasi pencarian produk berbasis pada fitur teknis produk (expert user:
86.67%, novice user: 90%). User study selanjutnya menunjukkan, interaksi
dalam CRS berbasis kebutuhan fungsional mampu meningkatkan persepsi
positif pengguna, dibandingkan dengan interaksi yang berbasis pada fitur
teknis produk, dilihat dari perceived ease of use, perceived enjoyment, trust
dan perceived usefulness. Selain itu, model interaksi juga efektif dalam
mempengaruhi pengguna untuk tertarik mengadopsi sistem, namun
terdapat perbedaan dalam faktor-faktor yang mempengaruhi hal tersebut.
Untuk expert user, perceived enjoyment merupakan faktor yang
mempengaruhi secara langsung untuk adopsi sistem, sedangkan perceived
usefulness merupakan faktor yang secara langsung mempengaruhi adopsi
sistem, bagi novice user