///

Petualangan menanti: Meningkatkan pengalaman dengan pemberi rekomendasi petualangan yang cerdas

Menyesuaikan pengalaman olahraga di luar ruangan melibatkan tantangan seperti pelacakan, desain UI, dan penggabungan umpan balik. AI dan Big Data menawarkan prospek penelitian yang menarik.

Wisata petualangan adalah pilihan populer bagi individu yang energik. Negara-negara yang menarik wisatawan menawarkan berbagai kegiatan olahraga petualangan, yang dapat dikelompokkan menjadi tiga jenis utama: petualangan darat, air, dan udara. Selanjutnya, berdasarkan tingkat risikonya, aktivitas ini dapat diklasifikasikan lebih lanjut ke dalam dua kategori utama: aktivitas petualangan berat dan ringan. Petualangan ringan cocok bagi mereka yang lebih menyukai pengalaman yang aman, sementara petualangan berat lebih menantang dan berisiko. Orang-orang dari segala usia menikmati aktivitas berbasis darat seperti mendaki, memanjat tebing, dan berlari. Seiring dengan semakin populernya aktivitas ini, ada kebutuhan yang semakin besar akan solusi perangkat lunak yang akan membantu para pejalan kaki, pelari, dan pendaki dalam memilih rute atau jalur yang tepat untuk diikuti.

Sistem pemberi rekomendasi

Sistem pemberi rekomendasi adalah alat yang dirancang untuk membantu para pengambil keputusan, yang bertujuan untuk mengatasi masalah tertentu. Dengan meluasnya penggunaan smartphone, perusahaan perangkat lunak telah berinvestasi dalam menciptakan berbagai aplikasi untuk olahragawan luar ruangan. Namun, aplikasi-aplikasi ini biasanya berfokus pada aktivitas olahraga petualangan yang terbatas, seperti mendaki, berlari, dan memanjat tebing. Situasi ini menggarisbawahi perlunya membangun pendekatan standar untuk membangun sistem pemberi rekomendasi di sektor pariwisata petualangan.

Untuk memenuhi kebutuhan ini, kami menyajikan kerangka kerja terpadu bagi pihak-pihak yang berkepentingan, terutama perusahaan perangkat lunak yang ingin menawarkan panduan bagi para penggunanya di ranah wisata petualangan berbasis darat, khususnya mendaki, berlari, dan memanjat. Kerangka kerja ini bertujuan untuk menjawab pertanyaan utama: "Bagaimana seseorang dapat merekomendasikan hal-hal yang berkaitan dengan aktivitas olahraga wisata petualangan darat?"

Menyesuaikan pengalaman olahraga di luar ruangan melibatkan tantangan seperti pelacakan, desain UI, dan penggabungan umpan balik. AI dan Big Data menawarkan prospek penelitian yang menarik.
Kredit. Midjourney

Temuan utama

Untuk menjawab pertanyaan utama, kami telah mengidentifikasi beberapa hal yang dapat direkomendasikan di bidang pariwisata petualangan: rute, urutan rute, destinasi, pelatihan, manajemen, pola makan, kesehatan, pencegahan cedera, alas kaki, musik, dan pelatihan virtual. Selain itu, ada enam metode utama untuk sistem pemberi rekomendasi yang dapat memandu para pemangku kepentingan dalam berbagai hal berikut ini: pendekatan berbasis konten, penyaringan kolaboratif, berbasis pengetahuan, berbasis komunitas, berbasis utilitas, dan pendekatan hibrida.

Sangat penting untuk mempertimbangkan konteks pengguna saat memberikan saran yang relevan, yang dikenal sebagai rekomendasi yang sadar konteks. Konteks ini dapat ditentukan melalui tiga teknik utama: pra-penyaringan, penyaringan pasca-penyaringan, dan pemodelan kontekstual. Selain itu, konteks tersebut harus mencakup, antara lain, informasi cuaca, musim, waktu, dan lokasi pengguna.

Pembuatan profil pengguna

Aspek penting lainnya yang perlu dipertimbangkan adalah pembuatan profil pengguna, yang melibatkan pemahaman tentang preferensi dan pilihan potensial pengguna. Profil pengguna dapat dibuat dengan dua cara: melalui umpan balik eksplisit (di mana pengguna secara manual memberikan preferensi mereka) atau umpan balik implisit (di mana sistem memodelkan preferensi pengguna tanpa masukan langsung). Karakteristik yang perlu dipertimbangkan dalam profil pengguna adalah sebagai berikut: kemampuan dan keterbatasan fisik mereka, tujuan pelatihan, pencapaian pelatihan, atribut fisik selama aktivitas tertentu, preferensi pola makan, persepsi risiko, motivasi, keuntungan yang diharapkan, preferensi sosial, dan preferensi yang terkait dengan kenaikan ketinggian dan kecuraman.

Pembuatan profil item

Pembuatan profil item adalah proses memeriksa karakteristik item. Karakteristik ini dapat dibagi menjadi dua kategori: dipersonalisasi (yang dapat bervariasi tergantung pada siapa yang direkomendasikan item tersebut) dan tidak dipersonalisasi. Fitur yang dipersonalisasi mencakup keragaman, perkiraan waktu berdasarkan preferensi individu, tingkat risiko, keunikan dan daya tarik item, tingkat kesulitan, keindahan, dan daya tarik secara keseluruhan. Di sisi lain, karakteristik yang tidak dipersonalisasi mencakup jarak, ketinggian, lingkungan alami, tingkat kesunyian, kenaikan/kecuraman ketinggian, keberadaan cahaya alami, kedekatan dengan alam, jarak dari jalan lalu lintas, jenis medan, kualitas udara, dan polusi suara.

Fungsionalitas perangkat lunak

Dalam dunia solusi perangkat lunak, seperti halnya di ranah lain, fungsionalitas aplikasi sistem pemberi rekomendasi merupakan faktor penting dalam keberhasilannya. Aplikasi ini harus mempertimbangkan aspek-aspek penting dari aplikasi perangkat lunak, termasuk kepuasan pengguna, kebutuhan pengguna, fitur aplikasi, statistik, dan nilai tambah yang ditawarkan. Sistem pemberi rekomendasi dapat diakses melalui berbagai perangkat keluaran, seperti jam tangan pintar, ponsel pintar, peramban web, dan perangkat komunikasi lainnya.

Evaluasi sistem pemberi rekomendasi

Terakhir, aspek yang penting adalah mengevaluasi sistem pemberi rekomendasi. Hal ini melibatkan penilaian offline dan online. Evaluasi offline bergantung pada pengukuran kesalahan antara nilai yang diprediksi dan nilai aktual dengan menggunakan beberapa metrik seperti kesalahan akar rata-rata kuadrat dan kesalahan absolut rata-rata. Sebaliknya, evaluasi online melibatkan pengguna nyata yang berpartisipasi dalam eksperimen dan memberikan umpan balik sebagai tanggapan atas pertanyaan-pertanyaan spesifik. Tiga jenis studi dapat dilakukan dalam evaluasi online: studi formatif, pengguna, dan lapangan.

Kesimpulan

Dari tinjauan komprehensif kami terhadap lebih dari seribu publikasi ilmiah, terlihat jelas bahwa penelitian tentang sistem pemberi rekomendasi dalam wisata petualangan masih relatif baru. Saat ini, hanya tiga kegiatan olahraga, yaitu mendaki gunung, lari, dan panjat tebing, yang mendapat perhatian signifikan. Selain itu, olahraga lari memiliki lebih banyak makalah yang dipublikasikan dibandingkan dengan pendakian dan panjat tebing. Banyak kegiatan wisata petualangan lainnya, seperti paralayang, berlayar, dan kayak, yang sebagian besar masih belum dieksplorasi dalam literatur penelitian.

Tantangan di masa depan

Ada beberapa keterbatasan pada hal-hal yang direkomendasikan oleh sistem ini. Sebagian besar penelitian berfokus pada rute, jalur, dan pelatihan, sementara lebih sedikit yang mengeksplorasi aspek-aspek lain seperti diet, pencegahan cedera, rekomendasi yang berurutan, dan pilihan pakaian. Demikian pula, dalam hal metode yang digunakan oleh sistem pemberi rekomendasi, banyak penelitian yang condong ke pendekatan berbasis konten dan berbasis pengetahuan. Hanya sebagian kecil artikel yang mempertimbangkan informasi kontekstual, yang merupakan area yang layak untuk dieksplorasi lebih lanjut. Metode sosial dan hibrida jarang digunakan (masing-masing hanya ditemukan pada 2% dokumen), dan masih ada kebutuhan untuk penggunaan metode berbasis utilitas yang lebih luas.

Dibandingkan dengan sistem pemberi rekomendasi di bidang non-olahraga seperti TV, musik, atau buku, sistem pemberi rekomendasi di bidang pariwisata petualangan masih kurang berkembang. Namun, dengan kemajuan teknologi kecerdasan buatan dan ketersediaan Big Data, sekarang ada peluang untuk mempelajari lebih dalam bidang ini. Meskipun tulisan ini membahas banyak sistem yang menarik dan kelebihan serta keterbatasannya, masih ada tantangan yang perlu diatasi, antara lain:

  1. Teknologi pelacakan yang tidak mengganggu dan bagaimana teknologi ini dapat digunakan untuk membuat profil pengguna.
  2. Antarmuka sistem pemberi rekomendasi.
  3. Ada kebutuhan untuk menggabungkan umpan balik implisit dan eksplisit untuk pembuatan profil pengguna, karena tidak ada metodologi yang jelas untuk tujuan ini.

Semua poin tersebut membentuk arah yang sangat baik yang harus diikuti oleh penelitian di masa depan.

πŸ”¬πŸ§«πŸ§ͺπŸ”πŸ€“πŸ‘©β€πŸ”¬πŸ¦ πŸ”­πŸ“š

Referensi jurnal

Ivanova, I., & Wald, M. (2023). Recommender Systems for Outdoor Adventure Tourism Sports: Hiking, Running and Climbing. Human-Centric Intelligent Systems3(3), 344-365. https://doi.org/10.1080/13284207.2022.2155034

Iustina Ivanova adalah seorang ilmuwan komputer dengan latar belakang di bidang rekayasa perangkat lunak, dan saat ini ia menerapkan Kecerdasan Buatan dalam aplikasi dunia nyata. Dia menyelesaikan gelar Master di bidang Kecerdasan Buatan dan Sarjana di bidang Rekayasa Perangkat Lunak. Iustina selalu tertarik dengan visi komputer dan penerapannya dalam solusi perangkat lunak. Pada tahun 2019, ia memulai program PhD di bidang ilmu komputer, dan dalam tiga tahun terakhir, ia telah menerbitkan beberapa makalah penting tentang solusi visi komputer dan sistem pemberi rekomendasi untuk pendaki gunung. Saat ini, ia berkonsentrasi pada metode berbasis visi dan penerapan praktisnya, di mana Kecerdasan Buatan dapat digunakan untuk meningkatkan kualitas hidup.