Data Refinement Approach for Answering Why-Not Problem Over K-Most Promising Product (K-Mpp) Queries

Abstract

3) ABSTRAK K-Most Promising Product (−) adalah strategi product selection yang digunakan pada proses pencarian-produk yang paling banyak diminati oleh customer. Dasar komputasi yang digunakan untuk melakukan perhitungan − adalah dua tipe skyline query, yaitu: dynamic skyline dan reverse skyline. Penentuan − dilakukan pada layer aplikasi, yang merupakan layer paling atas pada model OSI. Salah satu fungsi layer aplikasi adalah untuk menyediakan layanan terbaik sesuai dengan keinginan user. Dalam implementasi − , akan muncul suatu keadaan dimana produsen mungkin kurang puas dengan query result yang dihasilkan pada proses pencarian di sistem database (why-not question), sehingga mereka juga ingin mengetahui mengapa sistem database memberikan hasil pencarian query yang tidak sesuai dengan harapannya. Sebagai contoh, produsen ingin mengetahui mengapa suatu data point tertentu yang tidak diharapkan (unexpected data) muncul di query result, dan mengapa produk yang diharapkan (expected data) tidak muncul sebagai query result. Permasalahan yang muncul selanjutnya adalah, sistem database tradisional tidak dapat memberikan fasilitas analisis data dan solusi untuk menjawab why-not question yang diajukan oleh user. Untuk meningkatkan usability pada sistem database, penelitian ini dilakukan dengan tujuan menjawab why-not − dan memberikan solusi berupa data refinement dengan mempertimbangkan user feedback sehingga user dapat mengetahui mengapa himpunan hasil yang muncul tidak sesuai dengan harapan, dan dapat membantu user untuk memahami serta mengubah query agar menghasilkan query result sesuai keinginan user namun dengan cost perubahan seminimal mungkin.