Perpustakaan Digital ITB

Perkembangan teknologi informasi sangat memengaruhi bisnis dan kultur masyarakat, tidak terkecuali di bidang musik dan film. Keberadaan internet dan teknologi kompresi audio dan video membuat industri terancam bangkrut karena masyarakat kini dengan mudah memperoleh dan mentransfer karya musik dan film secara ilegal di internet maupun di pasar gelap. Namun demikian, kondisi ini juga membuka peluang bagi industri teknologi informasi untuk menawarkan berbagai solusi, di mana salah satunya adalah penjualan film digital secara legal. Model bisnis ini mengusulkan agar pemasaran film dilakukan secara mudah dan murah, dengan menyediakan tempat pembelian sebanyak-banyaknya Teknologi informasi juga memungkinkan sebuah peluang teknik pemasaran baru yang disebut Recommender System, sebuah sistem yang memungkinkan masyarakat menerima rekomendasi dan informasi yang unik dan sesuai untuk setiap individu. Sistem ini memungkinkan penawaran film dilakukan dengan efisien dan tepat sasaran sehingga pada akhirnya peningkatan penjualan dapat tercapai. Penulisan ini menganalisis dan merancang secara teoretis keberadaan sebuah sistem penjualan film digital, termasuk Recommender System di dalamnya, yang dapat memenuhi kebutuhan baru industri tersebut. Kerangka kerja Zachman digunakan untuk menganalisis arsitektur sistem yang dibutuhkan, sementara perancangan dilakukan dengan kajian penerapan Recommender System. Secara teoretis studi ini menunjukkan bahwa sistem yang dibutuhkan dapat dibangun dan diaplikasikan, dan Recommender System dapat membantu penjualan. Namun hasil penerapan sistem masih perlu dikaji setelah sistem ini diterapkan secara nyata di tengah masyarakat. Penerapan Zachman Framework menghasilkan beberapa petunjuk mengenai apa yang harus dihasilkan dalam tahapan analisis dan desain, tetapi tanpa metodologi khusus sehingga prosesnya tidak berjalan secara terstruktur. Untuk kebutuhan industri di mana mekanisme dan proses pengerjaan harus jelas. Kerangka Kerja Zachman sebaiknya digabungkan dengan metodologi yang tersedia atau mengikuti best practice dalam industri. Percobaan pengembangan aplikasi Recommender System belum memberikan hasil yang optimum dengan running time yang terlalu lama untuk data rating sebanyak satu juta baris data. Selain membutuhkan algoritma yang efisien, Recommender System juga membutuhkan sumber daya sistem yang perlu dipertimbangkan.