jurnal-rezdy
DESCRIPTION
APLIKASI REKOMENDASI IKLANPADA JEJARING SOSIAL FACEBOOKMENGGUNAKAN ALGORITMA NAÏVE BAYESTRANSCRIPT
-
APLIKASI REKOMENDASI IKLAN
PADA JEJARING SOSIAL FACEBOOK
MENGGUNAKAN ALGORITMA NAVE BAYES
Rezdy Anugrah Perdana 0608616
Progam Studi Ilmu Komputer, Universitas Pendidikan Indonesia
Email : [email protected]
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.