VOKASI NEWS – Memilih laptop atau PC desktop yang sesuai kebutuhan bukan perkara mudah. Deretan istilah teknis seperti prosesor, RAM, hingga kapasitas penyimpanan kerap membuat calon pembeli kebingungan. Kondisi ini terutama dialami oleh mahasiswa dan masyarakat umum ketika menentukan pilihan laptop yang tepat. Kondisi tersebut mendorong Pregorian Purwacahyani, mahasiswa Program Studi D4 Teknik Informatika Fakultas Vokasi Universitas Airlangga, untuk mengembangkan sistem rekomendasi bernama LaptopRec. Sistem tersebut dikembangkan sebagai topik penelitian skripsinya. Sistem tersebut dikembangkan dalam bentuk aplikasi berbasis web. Aplikasi ini dirancang untuk membantu pengguna menemukan laptop maupun PC desktop yang paling sesuai dengan kebutuhan dan anggaran masing-masing.
Memadukan Content-Based Filtering dan Simple Additive Weighting
LaptopRec dibangun dengan menggabungkan dua metode, yaitu Content-Based Filtering (CBF) dan Simple Additive Weighting (SAW). Metode Content-Based Filtering (CBF) digunakan untuk mengukur tingkat kemiripan antara preferensi pengguna dan spesifikasi produk melalui perhitungan jarak Euclidean. Sementara itu, metode Simple Additive Weighting (SAW) berperan menghitung skor akhir setiap alternatif berdasarkan bobot kriteria, seperti harga, prosesor, kapasitas RAM, jenis penyimpanan, dan kapasitas penyimpanan. Skor yang dihasilkan dari kedua metode tersebut kemudian digabungkan menjadi satu nilai akhir yang disebut hybrid score. Nilai tersebut disusun dengan komposisi 60 persen berasal dari metode Simple Additive Weighting (SAW) dan 40 persen dari Content-Based Filtering (CBF). Pendekatan gabungan ini dipilih karena dinilai mampu menghasilkan rekomendasi yang lebih relevan dibandingkan penggunaan satu metode saja.
Salah satu keunggulan LaptopRec terletak pada sistem pembobotan kriteria yang bersifat dinamis. Pengguna dapat mengatur sendiri urutan prioritas kebutuhannya, misalnya dengan menempatkan kapasitas RAM sebagai pertimbangan yang lebih penting daripada harga. Berdasarkan urutan tersebut, sistem akan secara otomatis menghitung ulang bobot setiap kriteria menggunakan metode Rank Sum Weighting (RSW). Selain itu, sistem menyediakan preset berdasarkan kategori penggunaan, seperti Gaming, Office, Pendidikan, dan Entertainment. Fitur ini memudahkan pengguna dalam memperoleh rekomendasi tanpa harus mengatur preferensi secara manual untuk setiap kriteria. Fitur ini dikembangkan berdasarkan data lebih dari seribu produk laptop dan PC desktop yang telah melalui proses pembersihan dan pra-pemrosesan data.
Diuji Coba dengan Black Box Testing dan ResQue
Sebelum rampung, LaptopRec melalui tahap pengujian black box testing untuk memastikan seluruh fungsi sistem, mulai dari input preferensi pengguna hingga tampilan hasil rekomendasi, berjalan sesuai rancangan. Selain menguji performa sistem, evaluasi juga dilakukan menggunakan kerangka ResQue. Evaluasi tersebut bertujuan untuk mengukur tingkat kepuasan dan kepercayaan pengguna terhadap hasil rekomendasi yang diberikan oleh sistem. Hasil pengujian menunjukkan respons yang positif dari pengguna terhadap relevansi dan kemudahan penggunaan sistem tersebut.
Selaras dengan Sustainable Development Goals (SDGs)
Pengembangan LaptopRec turut selaras dengan Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs), khususnya poin ke-9 mengenai Industri, Inovasi, dan Infrastruktur. Pemanfaatan kecerdasan komputasional dalam sistem rekomendasi ini menjadi salah satu bentuk kontribusi mahasiswa Fakultas Vokasi Universitas Airlangga dalam mendorong inovasi teknologi. Inovasi tersebut dikembangkan agar bersifat aplikatif dan mampu menjawab kebutuhan masyarakat. Selain itu, sistem ini turut mendukung SDGs poin ke-12 tentang Konsumsi dan Produksi yang Bertanggung Jawab, karena membantu pengguna memilih perangkat sesuai kebutuhan aktual sehingga terhindar dari pembelian yang tidak efisien.
Pengembangan LaptopRec diharapkan dapat menjadi kontribusi nyata bagi mahasiswa maupun masyarakat umum dalam menentukan perangkat komputasi yang tepat guna. Penelitian ini sekaligus menjadi bukti bahwa kombinasi metode klasik dan pendekatan berbasis kemiripan konten masih memiliki peluang pengembangan lebih lanjut, khususnya dalam bidang sistem pendukung keputusan berbasis web.
[BACA JUGA: Mengenal Dinamika Leukosit, Trombosit, dan Hematokrit dalam Pemantauan Infeksi DBD]
Penulis: Pregorian Purwacahyani
Pembimbing: Tesa Eranti Putri
Editor: Aghnia Faizatus (Tim Branding Vokasi)
