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

Abstract

Sistem rekomendasi adalah sistem yang mampu memberikan rekomendasi item-item yang mungkin disukai oleh pengguna. Metode Collaborative Filtering merupakan salah satu metode pada sistem rekomendasi. Metode ini memanfaatkan penilaian pengguna berupa rating untuk memprediksi item yang mungkin diminati. Berdasarkan rating pengguna dari 1 - 5, nilai kemiripan dihitung menggunakan adjusted cosine similarity. Berdasarkan nilai kemiripan antar makanan, nilai prediksi rating makanan dicari menggunakan weighted sum. Penelitian ini menggunakan 23 makanan dan 22 pengguna sebagai data. Dalam mengimplementasikan metode item - based collaborative filtering, penulis melakukan metode pengumpulan data, perancangan tampilan, melakukan perhitungan manual, pembangunan sistem dan implementasi metode item - based collaborative filtering, melakukan pengujian MAE, pengujian Confusion Matrix, dan pengujian F1 Score. Dari hasil pengujian yang telah dilakukan diperoleh prediksi yang cukup akurat dengan 6 neighbor dan akurasi 83 %.

Sistem Rekomendasi Materi Pemrograman Web Pada Media Pembelajaran Berbasis Web Menggunakan Multi-Criteria Recommender System

“…Namun faktor penting tersebut menjadi kelemahan dari algoritma ini, karena algoritma ini tidak dapat memberikan rekomendasi apabila belum adanya penilaian atau akurasi akan kurang apabila data yang input sedikit. Selain itu, algoritma ini memiliki kelebihan yaitu rekomendasi akan tetap diberikan walaupun dalam keadaan yang tidak memungkinkan [7]. Penelitian ini menggunakan metode collaborative filtering dengan 3 algoritma berikut ini.…”

“…Confusion matrix merupakan salah satu metode yang digunakan untuk pengujian sistem [7]. Persamaan untuk melakukan pengujian tersebut dilakukan sebagai berikut.…”

Recommendation System for Selecting Web Programming Learning Materials for Vocational High School Students using Multi-criteria Recommendation Systems

“…However, this crucial factor becomes a weakness of this algorithm because it cannot provide recommendations if there are no ratings, or the accuracy will be compromised if there is insufficient input data. Additionally, this algorithm has the advantage that recommendations will still be provided even in less-than-ideal circumstances [19]. This research employs the collaborative filtering method with four algorithms [20] as follows.…”

Rancang Bangun Sistem Informasi Geografis Desa Wisata Tempuran Banyu Kencono Yogyakarta Berbasis Android

“…Keinginan untuk memajukkan daerah dan menggali potensi alam yang dapat di jadian sebagai sumber pariwisata daerah, dengan menonjolkan ciri khas budaya masing-masing sebagai bentuk daya tarik untuk para wisatawan. Yogyakarta dikenal dengan kota pelajar, kota kuliner dan kota wisata [7]. Salah satu destinasi wisata yang ada di Yogyakarta yaitu desa wisata temuran batu kencono, dimana desa wisata tempuran banyu kencono merupakan salah satu objek destinasi wisata baru yang belum banyak di ketahui masyarakat.…”