Perpustakaan Digital ITB

Pada kehidupan sehari-hari, terkadang kita diharuskan untuk membuat keputusan namun memiliki hanya sedikit informasi yang terkait. Untuk mengambil keputusan dengan informasi yang sedikit, kita dapat menggunakan rekomendasi. Recommender system merupakan sistem untuk memberikan rekomendasi kepada pengguna. Rekomendasi yang diberikan dapat berupa produk, layanan, atau konten yang sesuai dengan kebutuhan atau ketertarikan pengguna. Pada recommender system untuk produk berupa barang, kebutuhan pengguna dapat dinyatakan sebagai kebutuhan teknis dan kebutuhan fungsional. Pengguna yang kurang paham mengenai spesifikasi teknis akan lebih mudah menyatakan kebutuhannya berdasarkan kebutuhan fungsional. Dengan sifatnya yang berinteraksi dengan pengguna melalui percakapan, chatbot dapat berperan sebagai conversational recommender system. Pada conversational recommender system chatbot, pengumpulan kebutuhan pengguna dilakukan melalui percakapan dengan pengguna pada antarmuka chatbot. Pada pekerjaan ini dibangun chatbot sebagai conversational recommender system. Arsitektur umum chatbot terdiri dari komponen NLU, message processor, action executor, recommender, dan utterance generator. Kemampuan NLU chatbot dibangun dengan kerangka kerja Rasa dengan kemampuan klasifikasi intent dan ekstraksi entity. Pengetahuan chatbot menggunakan ontologi yang dibuat pada pekerjaan yang dilakukan oleh Baizal (2017). Chatbot yang diimplementasikan diuji dengan metode usability testing. Dari pengujian yang dilakukan dengan melibatkan 10 partisipan, didapatkan feedback cukup baik terkait aspek yang diujikan. Aspek yang diujikan yaitu kemiripan pengalaman pengguna dengan proses rekomendasi dalam kehidupan sehari-hari, dan pengalaman pengguna terkait kemudahan dalam menggunakan chatbot.