Rancang Bangun Sistem Rekomendasi Tempat Makan Menggunakan Algoritma Typicality Based Collaborative Filtering

Abstract

Makanan merupakan bagian penting bagi manusia baik sebagai kebutuhan primer maupun sebagai bagian dari gaya hidup seseorang. Tempat makan yang semakin banyak dan tawaran makanan yang beragam, membuat seseorang memiliki lebih banyak pilihan akan tempat makan yang dapat dikunjungi. Dengan dibantu oleh teknologi, sekarang seseorang bisa mencari rekomendasi dengan menggunakan algoritma sistem rekomendasi. Saat ini ada tiga algoritma sistem rekomendasi yang populer yaitu Content Based Filtering (CBF), Collaborative Filtering (CF) dan metode hybrid. Metode CF merekomendasikan sebuah item kepada pengguna dengan memprediksi preferensi dari pengguna aktif terhadap sejumlah item berdasarkan preferensi dari pengguna atau item lain yang mirip. Ada dua jenis metode dalam CF yaitu User Based CF dan Item Based CF. Terdapat sebuah metode baru yang dikembangkan dari metode User Based CF, metode ini adalah Typicality Based CF. Typicality Based CF (TyCo) memiliki kelebihan yang tidak dimiliki metode CF lainnya dapat memberikan prediksi yang akurat walau data terbatas, dapat melakukan clustering tanpa algoritma tambahan dan dapat mengatasi masalah cold-start yang biasa dialami metode CF. Berdasarkan pengujian yang telah dilakukan diketahui bahwa aplikasi ini memiliki nilai rata-rata Mean Absolute Error (MAE) sebesar 1.366 yang disebabkan karena kurangnya data training.

Sistem Rekomendasi Wisata Kuliner di Yogyakarta dengan Metode Item-Based Collaborative Filtering

“…Sistem rekomendasi banyak diimplementasikan di marketplace, social media dan lainnya. Sekarang tedapat tiga metode sistem rekomendasi yang popular yaitu collaborative filtering, conten based, dan metode hybrid [3].…”

“…Metode CF adalah metode yang memberikan rekomendasi berdasarkan prefensi dari pengguna atau item lain yang mirip. Metode CF dibagi menjadi dua jenis metode yaitu User Based CF dan Item Based CF [3]. User-Based Collaborative Filtering diartikan bahwa untuk dapat menemukan item yang menarik dengan menggunakan cara yang baik untuk user tertentu adalah menggunakan cara mencari user lain yang memiliki minat atau keinginan yang sama, diawal user-based CF akan dapat menemukan pengguba terdekat (user neighbor) dengan cara menemukan pengguna yang mirip (user similarity) kemudian setiap nilai rating yang didapatkan dari pengguna terdekat (user neighbor) yang nantinya digunakan sbagai bahan rekomendasi untuk pengguna (user) yang aktif.…”

Neural Collaborative with Sentence BERT for News Recommender System

“…Muliadi et al [17] conducted research on a recommendation system for places to eat using the Typicality Based Collaborative Filtering Algorithm in 2019. The dataset used in this study is the distance from the user to the nearest food stall by using the google maps API and also using the rating from the user to the restaurant the user has visited and rated this distance data is used a weighting in determining the similarity of each user and also performs rating prediction of each user.…”

Identifikasi Karakteristik Riset Interaksi Manusia dan Komputer di Indonesia: Alur, Metodologi, dan Arahnya di Masa Mendatang

“…Artikel yang cukup menarik untuk dibahas adalah rekomendasi tempat makan dengan metode Typicality Based Collaborative Filtering. Sistem rekomendasi mengandalkan data dari pengguna lain yang memiliki kesamaan selera berdasarkan rating terhadap rumah makan [54]. Metode collaborative filtering juga digunakan untuk rekomendasi pencarian komunitas melalui perangkat mobile.…”