Hampir seluruh aktivitas harian manusia di era digital meninggalkan jejak data, mulai dari riwayat belanja daring hingga konten video yang ditonton secara rutin. Untuk memahami kebutuhan pengguna, penyedia layanan mengandalkan sequential recommender systems鈥攕ebuah algoritma kecerdasan buatan (Artificial Intelligence/AI) yang bertugas memprediksi preferensi kita berdasarkan urutan aktivitas sebelumnya. Namun, sistem rekomendasi konvensional sering kali mengalami kendala ketika dihadapkan pada jeda waktu interaksi yang tidak teratur. Sebagian besar algoritma menganggap setiap interaksi terjadi dalam interval yang seragam, padahal keputusan seseorang untuk membeli barang atau menonton video sangat dipengaruhi oleh variabel waktu, seperti apakah interaksi tersebut berjarak beberapa menit, beberapa hari, atau bahkan beberapa bulan.
Untuk mengatasinya, dikembangkan sebuah inovasi bernama TiLLM-Rec (Temporal-Interval-Aware Large Language Model for Sequential Recommendation). Teknologi ini memanfaatkan keandalan Large Language Model (LLM) yang dikombinasikan dengan temporal interval encoder. Melalui mekanisme ini, kecerdasan buatan tidak hanya membaca apa yang dicari atau dibeli oleh pengguna, tetapi juga secara langsung memperhitungkan kapan dan berapa lama jeda waktu antar-aktivitas tersebut terjadi. Dengan mengintegrasikan jeda waktu ireguler ke dalam attention mechanism鈥攜aitu mekanisme pemrosesan internal pada AI鈥攕istem dapat secara adaptif menyesuaikan bobot perhatian terhadap setiap riwayat tindakan, sehingga dinamika perubahan minat pengguna dapat terpetakan secara jauh lebih presisi.
Pengembangan teknologi ini memberikan kontribusi nyata terhadap pencapaian Sustainable Development Goals (SDG), khususnya SDG 9 tentang Industri, Inovasi, dan Infrastruktur. Uji coba pada berbagai set data tolok ukur membuktikan bahwa arsitektur ini secara konsisten mengungguli metode terdahulu, terutama pada kondisi data yang terbatas dan tidak teratur. Keberhasilan inovasi riset ini menegaskan pentingnya penguatan kapasitas kecerdasan buatan dalam mengolah data kompleks. Pada akhirnya, lompatan teknologi ini tidak hanya mempercanggih efisiensi sistem rekomendasi di berbagai platform digital, tetapi juga mendorong ekosistem industri berbasis data yang lebih cerdas, responsif, dan adaptif terhadap kebutuhan masyarakat modern.
Penulis: Tofan Agung Eka Prasetya, S.Kep., M.KKK., Ph.D.
Link:
