Perancangan Arsitektur Hybrid Recommender System Berbasis Rust Untuk Optimalisasi Layanan Platform Digital: Studi Kasus Perancangan Platform Pada PT XYZ
Main Article Content
Abstract
Pertumbuhan eksponensial interaksi digital pada platform PT XYZ menuntut adanya sistem rekomendasi yang mampu menangani throughput tinggi dengan latensi rendah untuk menjaga keterlibatan pengguna. Penelitian ini bertujuan untuk merancang arsitektur Sistem Rekomendasi Hybrid berkinerja tinggi yang menggabungkan metode Content-Based dan Collaborative Filtering menggunakan mekanisme Weighted Hybrid. Metodologi perancangan mengadopsi bahasa pemrograman Rust untuk mengatasi masalah ketidakstabilan performa yang disebabkan oleh jeda Garbage Collection pada arsitektur backend konvensional. Sistem yang diusulkan mengintegrasikan runtime asinkron untuk menangani konkurensi, protokol gRPC untuk komunikasi antar layanan yang efisien, serta strategi penyimpanan hibrida yang memanfaatkan cache memori dan basis data vektor. Hasil dari penelitian ini adalah kerangka kerja arsitektural konseptual yang memanfaatkan model kepemilikan memori Rust untuk secara teoritis menghilangkan jeda eksekusi dan menjamin keamanan memori tanpa overhead runtime. Studi ini berkontribusi pada bidang rekayasa perangkat lunak dengan menyediakan desain sistem yang menawarkan latensi deterministik dan efisiensi sumber daya untuk layanan rekomendasi real-time di lingkungan berskala besar.
Article Details
Section
This work is licensed under a Creative Commons Attribution 4.0 International License.
How to Cite
References
Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer.
Burke, R. (2002). Hybrid recommender systems: Survey and experiments. User Modeling and User-Adapted Interaction, 12(4), 331–370. https://doi.org/10.1023/A:1021240730564
Carlson, J. L. (2013). Redis in Action. Manning Publications.
Haryadi, R. N., Rojali, A., & Fauzan, M. (2021). Sosialisasi Penggunaan Online Shop berbasis Website di UMKM Cimanggis. Jurnal Pengabdian Masyarakat Madani (JPMM), 1(1), 10-16.
Indrasiri, K., & Kuruppu, D. (2017). gRPC: Up and Running. O'Reilly Media.
Jones, R., Hosking, A., & Moss, E. (2016). The Garbage Collection Handbook: The Art of Automatic Memory Management. CRC Press.
Jones, R., Hosking, A., & Moss, E. (2016). The Garbage Collection Handbook: The Art of Automatic Memory Management. CRC Press.
Klabnik, S., & Nichols, C. (2018). The Rust Programming Language. No Starch Press.
Klabnik, S., & Nichols, C. (2019). The Rust Programming Language (2nd ed.). No Starch Press.
Malkov, Y. A., & Yashunin, D. A. (2018). Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 42(4), 824-836.
Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems. In P. Brusilovsky, A. Kobsa, & W. Nejdl (Eds.), The Adaptive Web (pp. 325-341). Springer.
Pugu, M. R., Riyanto, S., & Haryadi, R. N. (2024). Metodologi Penelitian; Konsep, Strategi, dan Aplikasi. PT. Sonpedia Publishing Indonesia.
Su, X., & Khoshgoftaar, T. M. (2009). A survey of collaborative filtering techniques. Advances in Artificial Intelligence, 2009, Article ID 421425. https://doi.org/10.1155/2009/421425