Pemodelan Sistem Rekomendasi Restoran berdasarkan Preferensi Pengguna dengan Pendekatan Content-Based Filtering

Abstract

Setiap individu memiliki preferensi makanan yang unik. Karakteristik rasa yang khas dapat memengaruhi seberapa bersedia seseorang membayar untuk hidangan di restoran tertentu. Keterkaitan antara preferensi makanan seseorang dengan karakteristik harga makanan dapat digunakan sebagai faktor penting dalam menentukan rekomendasi restoran. Penelitian ini memodelkan sebuah sistem rekomendasi restoran berdasarkan prefrensi rasa, harga dan rating makan penggunanya sebagai faktor utama dalam mempengaruhi hasil rekomendasi. Analisis data menggunakan 3 atribut yaitu data ulasan restoran, rating dan harga restoran. Teknik scraping dilakukan untuk pengumpulan dataset, adapun jumlah dataset sebanyak 661 data restoran dari hasil scraping. Pengubahan dataset dilakukan dengan proses Pra-Processing yang kemudian dilanjutkan dengan mempelajari model data dengan pendekatan Content-Based Filtering (CBF). Hasil penelitian menunjukkan bahwa rata-rata akurasi yang diberikan sistem rekomendasi yang dibangun adalah 73.33% dari rekomendasi restoran berdasarkan harga dan ulasan.