APLIKASI REKOMENDASI IKLAN

PADA JEJARING SOSIAL FACEBOOK

MENGGUNAKAN ALGORITMA NAVE BAYES

Rezdy Anugrah Perdana 0608616

Progam Studi Ilmu Komputer, Universitas Pendidikan Indonesia

Email : anugrahperdana@gmail.com

Blog : http://rezdyanugrah.blog.upi.edu

Abstrak

Internet telah menjadi salah satu hal yang penting dalam perkembangan sarana komunikasi. Salah satu fasilitas yang terdapat pada internet situs jejaring sosial. Sangat baynyak macam dari situs jejaring sosial ini, namun hanya beberapa yang sedang naik daun tiap tahunnya. Untuk saat ini facebook menjadi raja dalam situs jenis ini, dengan terus bertambahnya pengguna tiap harinya. Tak dapat dipungkiri bahwa membuat akun facebook tidaklah dipungut biaya, maka dari itu untuk menghidupi operasional dari situs ini mereka mencari dana dari cara lain, salah satunya adalah dari iklan. Sebagai pengguna adanya iklan yang tampil memang tidak mengganggu, tetapi akan lebih baik jika iklan yang ditampilkan dihalaman pengguna merupakan iklan yang sesuai dengan karakteristik pengguna. Oleh karena itu diperlukannya sebuah aplikasi yang dapat mengkategorikan karakteristik pengguna, sehingga dapat diketahui iklan jenis apa yang cocok untuk pengguna tertentu. Dalam hal ini pengguna akan lebih senang karena mendapat informasi yang berharga. Untuk pengkategoriannya kita gunakan algoritma naive Bayesian. Dengan adanya aplikasi ini diharapkan iklan yang dilihat pengguna merupakan iklan yang sesuai dengan karakteristik pengguna tersebut, dengan beberapa syarat dan kondisi, secara lebih akurat.

Kata Kunci: internet, facebook, iklan, naive Bayesian

Pendahuluan

Latar Belakang

Pada masa Informasi seperti sekarang ini perkembangan dunia komunikasi telah

memasuki babak baru seiring dengan perkembangan sarana telekomunikasi yang

pesat. Dengan perkembangan tersebut pemisah komunikasi antara umat manusia

yang biasanya berupa jarak dan seakan-akan sudah tidak berpengaruh lagi, hal ini

dikarenakan sekarang ini kita dapat melakukan komunikasi kapan saja dan dimana

saja tanpa memperdulikan jarak. Orang Sumatra sekarang ini sudah bisa

berkomunikasi dengan orang Jawa tanpa harus mereka berada di tempat yang

sama, mereka bisa berkomunikasi dengan menggunakan telepon, saling berkirim

SMS, bahkan teleconference dengan menggunakan media internet.

Seiring dengan perkembangan dunia internet yang sangat pesat sejak

kemunculannya, sekarang ini banyak bermunculan situs-situs jejaring sosial atau

Social Networking Site yang menawarkan hal yang beda dari situs-situs yang lain.

Apa yang ditawarkan situs jejaring ini sangat menggiurkan para pengguna internet

untuk mencoba dan bergabung di dalamnya, setelah bergabung di dalamnya

biasanya user akan menjadi ketagihan. Hal tersebut terjadi karena dalam situs

seperti ini kita bisa berhubungan dengan teman-teman kita, mencari kenalan baru

bahkan menemukan kembali teman-teman lama yang sudah tidak saling bersua

untuk sekedar bernostalgia maupun lebih mengeratkan pertemanan, dan ada juga

yang sampai mendapatkan jodoh dari situs tersebut.

Pada saat ini situs jejaring yang paling populer adalah Facebook, menurut

alexa.com situs ini berada pada posisi sepuluh besar situs yang paling sering di

akses dan merupakan situs nomor satu yang paling sering diakses diantara situs-

situs sejenis. Sekarang ini siapa sih yang tidak kenal dengan facebook, bahkan

iklan produk telepon seluler maupun provider telepon seluler sekarang ini

menggunakan facebook sebagai alat untuk mendongkrak penjualan dari

produknya. Dengan Facebook kita dapat mengupdate status, saring kirim wall,

saring kirim pesan, main game, membuat invitasi kegiatan, membuat grup bahkan

secara langsung Facebook menyediakan fitur chatting.

Facebook dalam menjalankan situsnya pasti akan membutuhkan dana yang

tidak sedikit agar situs ini tetap berjalan dan tetap hidup untuk jangka waktu yang

lama. Salah satu seumber pendanaan pada facebook adalah iklan yang ditampilkan

di halaman utama user maupun dihalaman-halaman lain yang diakses user. Yang

jadi permasalahan sekarang ini adalah iklan yang dilihat oleh user itu biasanya

tidak cocok dengan user itu sendiri sehingga informasi yang di dapat oleh user dan

kemungkinan iklan itu untuk di klik user menjadi sangat kecil sekali, oleh karena

itu diperlukan adanya suatu aplikasi yang dapat membuat rekomendasi jenis iklan

seperti apa yang cocok untuk di tampilkan untuk tiap usernya. Sehingga user akan

terbantu, pemasang iklan akan puas dan kemungkinan klik iklan tersebut menjadi

tinggi dan dapat menjadi sumber pendanaan yang besar bagi facebook itu sendiri.

Untuk dapat mengembangkan aplikasi seperti tersebut diatas, maka kita

harus melakukan mining terhadap user itu sendiri. Untuk mendapatkan model

yang sesuai kita akan menggunakan algoritma nave bayes classifier. Sebelum

mendapatkan model, kita perlu terlebih dahulu mendapatkan data dari user

facebook itu sendiri, untuk mendapatkannya kita dapat bergabung dengan

developer facebook (suatu fitur facebook yang memperbolehkan user menjadi

pengembang aplikasi tertentu untuk dipasang di facebook). Fasilitas tersebut dapat

kita gunakan untuk mendapatkan atribut-atribut yang kita butuhkan untuk proses

pembuatan model. Setelah itu kita gunakan algoritma nave bayes classifier untuk

mendapatkan model dan dilakukan pengetesan seberapa akuratkah model yang

kita buat menggunakan algoritma tersebut, sebelum aplikasi itu dibuat.

Diharapkan aplikasi ini dapat dengan akurat memberikan rekomendasi iklan yang

ditamplikan untuk setiap usernya sehingga tingkat promosi dari iklan tertentu

menjadi tinggi dan tingkat klik terhadap iklan menjadi tinggi.

Tujuan dan Manfaat

Tujuan dari penulisan jurnal ini adalah :

1. Mengimplementasikan algoritma nave bayes classifier pada aplikasi

rekomendasi iklan.

2. Menganalisis sejauh mana teknologi informasi dapat diterapkan dalam

masalah bisnis.

3. Membuat aplikasi yang dapat merekomendasikan iklan yang dimuat

dihalaman user Facebook sesuai minat user.

Manfaat dari penulisan jurnal ini adalah :

1. Mendapatkan suatu solusi yang tepat, cepat, dan akurat dalam penentuan

keputusan untuk mempromosikan suatu produk melalui media situs

jejaring.

2. Meminimalisir ditampilkannya iklan yang kurang diminati oleh pengguna

situs jejaring ini.

3. Mempermudah user untuk menemukan iklan yang diminatinya.

Metodologi penulisan

Penulisan jurnal ini menggunakan beberapa referensi sumber yang diperoleh dari

internet, maupun jurnal untuk memperoleh data yang akurat dan informasi yang

memadai dalam kajian penulisan jurnal ini.

Landasan Teori

Algoritma Naive Bayesian

Pemrograman spam filter yang dipakai untuk mendeteksi spam ini

menggunakan algoritma yang disebut naive Bayesian. Naive disini bermakna

bahwa untuk setiap bahasa, kata-kata yang muncul dianggap bermakna tunggal.

Rumus Bayes

Dasar dari teorema naive Bayesian yang dipakai dalam pemrograman

adalah rumus Bayes:

P (A|B) = (P(B|A) * P(A))/P(B) . (1)

Peluang kejadian A sebagai B ditentukan dari peluang B saat A, peluang A, dan

peluang B. Pada pengaplikasiannya nanti rumus ini berubah menjadi :

P(Ci|D) = (P(D|Ci)*P(Ci)) / P(D) . (2)

Dimana pada rumus ini:

P ( Ci | D ) adalah peluang dokumen D pada kategori Ci.

P ( D | Ci ) adalah peluang pada kategori Ci, kata pada dokumen D muncul pada

kategori tersebut.

P ( Ci ) adalah peluang dari kategori yang diberikan, dibandingkan dengan

kategori-kategori lainnya yang dianalisa.

P ( D ) adalah peluang dari dokumen tersebut secara spesifik. Pada

pengembangannya, P ( D ) dapat dihilangkan karena nilainya tetap, sehingga saat

dibandingkan dengan tiap kategori, nilai ini dapat dihapus.

Pengaplikasian Naive Bayesian

Pada pengaplikasiannya didalam program, rumus akan berubah menjadi:

P ( Spam | D ) = ( P ( D | Spam ) * P ( Spam ) ) . (3)

Dan

P ( Bukan Spam | D ) = ( P ( D | Bukan Spam ) * P ( Bukan Spam ) ) ...(4)

Dapat dilihat seperti pada keterangan P (D), nilai peluang dokumen secara

spesifik dianggap sama sehingga dihilangkan terlebih dahulu dari awal

pemrograman agar program berjalan lebih efisien. Dengan melihat rumusan di

atas, ini berarti bahwa peluang dokumen D pada kategori spam atau bukan spam

adalah peluang pada kategori spam atau bukan spam, kata pada dokumen D

muncul pada kategori tersebut dikalikan dengan peluang kategori spam atau

bukan spam tersebut. Setelah ini didapatkan, hasilnya dijumlahkan untuk tiap kata

yang terdapat pada dokumen (untuk masing-masing peluang, spam dan bukan

spam).

Sehingga akhirnya diperoleh dua buah nilai, peluang dokumen D sebagai spam

dan peluang dokumen D sebagai bukan spam. Diakhir program, kedua nilai ini

dibandingkan. Nilai peluang yang lebih tinggi menandakan dokumen D tersebut

sebagai kategori tersebut. Misal P (Spam | D) lebih besar dari P (Bukan Spam |

D), maka dokumen D akan dianggap sebagai Spam.

Pembahasan

Tujuan dari aplikasi rekomendasi ini adalah untuk meningkatkan income

dari situs jejaring, mengefektifkan penggunaan dana pemasang iklan,

ditampilkannya iklan yang tepat sasaran. Mempermudah pekerjaan bagian

marketing, meningkatkan penjualan suatu produk.

Kepentingan strategik aplikasi rekomendasi iklan sangat jelas :

1. Dengan ditempatkannya iklan di segmen yang diharapkan oleh pemasang,

berarti perusahaan menggunakan asset secara lebih efektif dan menciptakan

kapasitas yang lebih besar untuk setiap saham yang ditanamkan yang

selanjutnya menghasilkan biaya yang lebih rendah.

2. Kapasitas, tambahan, dan fleksibilitas yang terkait ini menghasilkan

pengiriman yang lebih cepat dan tepat.

3. Peningkatan income yang bakal diterima oleh situs jejaring dikarenakan akan

bertambah banyaknya yang ingin memasang iklan di situs jejaring miliknya.

Pemodelan Sistem

Masalah agar iklan yang ditampilkan di tiap user sesuai dengan minatnya,

maka terlebih dahulu harus diketahui minat dari user tersebut. Untuk mengetahui

apa minat user tersebut, digunakanlah informasi-informasi yang tersedia pada

akun user di situs jejaring facebook. Untuk mendapatkan informasi tersebut

tidaklah sulit, karena pada prinsipnya facebook telah menyediakan API yang

dapat digunakan untuk mendapatkan informasi-informasi tersebut.

Dalam penggunaan mining untuk mendapatkan minat dari user tersebut,

maka diperlukan suatu data training untuk menentukan sebuah model yang

selanjutnya model tersebut digunakan untuk menentukan minta dari user. Data

training tersebut berisi data yang akan di mining untuk menentukan minat user,

atribut yang digunakan adalah faktor-faktor yang cukup berpengaruh untuk

mengetahui minat dari seseorang. Adapun faktor-faktor tersebut adalah:

- field age pada info user

- field interest pada info user

- field gender pada info user

- field activities pada info user

- field job pada info user

- field about me pada info user

Semua faktor tersebutlah yang akan digunakan untuk mengetahui user tersebut

memiliki minat pada bidang apa.

Langkah-langkah yang ditempuh untuk membuat aplikasi ini antara lain:

1. Pengambilan Data yang akan dijadikan data training dan data testing. Data

testing merupakan data yang sudah diketahui kelasnya dan digunakan untuk

menguji keakuratan dari model yang dibuat menggunakan nave bayes

classifier.

2. Preproccessing Data yang merupakan langkah untuk membersihkan data dari

jeleknya kualitas data dan untuk menjaga integritas data.

3. Dilakukan pemodelan menggunakan nave bayes classifier menggunakan data

training yang telah didapatkan.

4. Pengukuran keakuratan model yang dibuat menggunakan data testing yang

telah didapatkan, sehingga sebaik apa nantinya aplikasi ini dapat terlihat.

5. Pengimplementasian model kedalam aplikasi yang dibuat.

Kesimpulan

o Saat ini promosi di suatu situs jejaring sosial sudah sangat diincar, ini

disebabkan oleh banyaknya situs jejaring sosial di akses sehingga peluang

untuk mendapatkan keuntungan dari promosi produk sangat tinggi. Namun

biasanya iklan yang tampil dihalaman user tidak tepat sasaran.

o Untuk membuat iklan yang dipasang tepat sasaran maka diperlukannya suatu

system yang dapat mengklasifikasikan minat user. Pengklasifikasian tersebut

didapatkan dari hasil mining terhadap faktor-faktor yang cukup berpengaruh

dari user untuk mengetahui minat user pada suatu bidang sehingga nantinya

iklan yang ada di halaman user tepat sasaran.

o Sistem ini dapat membantu pemecahan masalah yang dihadapi oleh pihak

marketing suatu perusahaan, yaitu bagaimana agar aliran dana yang dilakukan

untuk promosi dapat bergulir secara efektif dan untuk pihak jejaring sosial

dengan adanya aplikasi ini pihak jejaring sosial dapat menambah jumlah

income yang didapat dari pemasangan iklan.

Daftar Pustaka

Hazimah, Wan. 2005. Text Categorization Using Nave Bayes Algorithm. Tesis

Tidak Terpublikasi. Malaysia: Universiti Utara Malaysia.

Nir Friedman,Dan Geiger,and Moises Goldszmidt.Bayesian network classifiers.

Machine Learning, 29:131-163,1997.

Jerome H. Friedman. Onbias, variance, 0/1-loss, and the curse-of-dimensionality.

Data Mining and Knowledge Discovery,1:55-77,1997

Predictive Text Analytics,

http://www.spss.com/predictive_text_analytics/index.htm?source=homepag

e&hpzone..., Juni 2005.

A. K. Sehgal, Text mining: The Search for Novelty in Text,

http://www.cs.uiowa.edu/~sehgal/Papers/comp04.pdf, 23 Mei 2005

Setiawan, Wawan; Munir; & Sutarno, Heri. 2007. Pedoman Skripsi. Bandung:

Program Studi Ilmu Komputer dan Pendidikan Ilmu Komputer UPI.

Han, Jiawei; Kamber, Micheline. 2006. Data Mining:Concepts and Techniques

Second Edition. USA: Morgan Kauffmann Publishers.