Sistem Rekomendasi Destinasi Wisata di Kota Bandung dengan Collaborative Filtering Menggunakan K-Nearest Neighbors
Abstract
Abstrak - Kota Bandung adalah salah satu destinasi wisata populer di Indonesia. Banyaknya jumlah destinasi wisata di Kota Bandung, ditambah dengan kurangnya informasi tentang pariwisata, menimbulkan hambatan bagi kebutuhan masyarakat dalam memilih destinasi wisata. Oleh karena itu, diperlukan sebuah sistem rekomendasi untuk membantu wisatawan dalam menentukan destinasi mereka. Penelitian ini mengembangkan sistem rekomendasi destinasi wisata di Kota Bandung dengan menerapkan algoritma user-based collaborative filtering dan K-Nearest Neighbors untuk membantu wisatawan memutuskan destinasi mereka berdasarkan tempat-tempat yang sebelumnya telah mereka kunjungi. Dua metode kesamaan yang digunakan adalah cosine similarity dan pearson correlation. Mean Absolute Error (MAE) dan hasil rekomendasi digunakan untuk mengevaluasi kinerja sistem. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dibangun cukup memberikan rekomendasi kepada user, dengan nilai MAE sebesar 2.59 untuk metode cosine similarity dan nilai MAE sebesar 2.67 untuk metode Pearson correlation. Selain itu, hasil rekomendasi wisata yang diberikan dianggap memadai karena sesuai dengan profil wisatawan.
Kata kunci - Sistem Rekomendasi, Collaborative Filtering, User-Based, Cosine Similarity, Pearson Correlation, K-Nearest Neighbors
References
D. Gede, A. Pradiva Viveka, and Z. K. Abdurahman Baizal, 8Implementasi Metode Item-based Collaborative Filtering dan Context-aware dalam Sistem Rekomendasi Pariwisata9, 2019. [Online]. Available: https://repository.telkomuniversity.ac.id/pustaka/155430/i mplementasi-metode-item-based-collaborative-filteringdan-context-aware-dalam-sistem-rekomendasipariwisata.html. Accessed: April 24, 2024.
M. Lusmiawati, E. Fatkhiyah, and A. Hamzah, 8Penentuan Objek Wisata Kota Bandung Menggunakan Metode Fuzzy Tsukamoto9, Jurnal SCRIPT, vol. 9, no. 2, 2021.
K. Falk, 8Practical Recommender Systems9, Manning Publications Co., 2019.
X. Wang, Z. Dai, H. Li, and J. Yang, 8A New Collaborative Filtering Recommendation Method Based on Transductive SVM and Active Learning9, Discrete Dynamics in Nature and Society, vol. 2020. Hindawi Limited, 2020. doi: 10.1155/2020/6480273.
A. Refkrisnatta and D. Handayani, 8Cafe Selection Recommendation System in Semarang City Uses Collaborative Filtering Method with Item Based Filtering Algorithm9, JEEE-U (Journal of Electrical and Electronic Engineering-UMSIDA), vol. 6, no. 2, pp. 95–108, Oct. 2022, doi: 10.21070/jeeeu.v6i2.1637.
F. R. Hariri and L. W. Rochim, 8Sistem Rekomendasi Produk Aplikasi Marketplace Berdasarkan Karakteristik Pembeli Menggunakan Metode User Based Collaborative Filtering9, Teknika, vol. 11, no. 3, pp. 208–217, Nov. 2022, doi: 10.34148/teknika.v11i3.538.
F. Ricci, · Lior, R. Bracha, and S. Editors, 8Recommender Systems Handbook Second Edition9, Springer, 2015.
R. Rifaldy and E. B. Setiawan, 8Recommender System Movie Netflix using Collaborative Filtering with Weighted Slope One Algorithm in Twitter9, Building of Informatics, Technology and Science (BITS), vol. 4, no. 2, pp. 500–506, Sep. 2022, doi: 10.47065/bits.v4i2.1959.
T. Anwar, V. Uma, M. I. Hussain, and M. Pantula, 8Collaborative filtering and kNN based recommendation to overcome cold start and sparsity issues: A comparative analysis9, Multimed Tools Appl, 2022, doi: 10.1007/s11042-021-11883-z.
S. C. Mana and T. Sasipraba, 8Research on cosine similarity and pearson correlation based recommendation models9, in Journal of Physics: Conference Series, IOP Publishing Ltd, Apr. 2021. doi: 10.1088/1742- 6596/1770/1/012014.
C. H. P. Panjaitan, L. J. Pangaribuan, and C. I. Cahyadi, 8Analisis Metode K-Nearest Neighbor Menggunakan Rapid Miner untuk Sistem Rekomendasi Tempat Wisata Labuan Bajo9, Remik, vol. 6, no. 3, pp. 534–541, Aug. 2022, doi: 10.33395/remik.v6i3.11701.
R. A. Nugroho, A. M. Polina, and Y. D. Mahendra, 8Tourism Site Recommender System Using Item-Based Collaborative Filtering Approach9, International Journal of Applied Sciences and Smart Technologies, vol. 2, no. 2, pp. 209–216.
A. A. Fakhri, Z. K. A. Baizal, and E. B. Setiawan, 8Restaurant Recommender System Using User-Based Collaborative Filtering Approach: A Case Study at Bandung Raya Region9, in Journal of Physics: Conference Series, Institute of Physics Publishing, May 2019. doi: 10.1088/1742-6596/1192/1/012023.
A. S. Dharma, 8The User Personalization with KNN for Recommender System9, Journal Publications & Informatics Engineering Research, vol. 3, no. 2, 2019, doi: 10.33395/sinkron.v3i1.10047.
P. Cahya Purnama and S. Al Faraby, 8Analisis Perbandingan Metode Similarity Pearson dan Cosine pada Sistem Rekomendasi Film dengan Pendekatan User-Based Collaborative Filtering9, 2020. [Online]. Available: https://repository.telkomuniversity.ac.id/pustaka/164225/a nalisis-perbandingan-metode-similarity-pearson-dancosine-pada-sistem-rekomendasi-film-denganpendekatan-user-based-collaborative-filtering.html. Accessed: April 24, 2024.
B. Widjanarko Otok and Ms. Dewi Juliah Ratnaningsih, 8Konsep Dasar dalam Pengumpulan dan Penyajian Data9, Universitas Terbuka, 2016.
F. Alghifari and D. Juardi, 8Penerapan Data Mining Pada Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes9,Jurnal Ilmiah Informatika, vol. 9, no. 2, pp. 76-81, 2021.
M. S. Kabul and E. B. Setiawan, 8Recommender System with User-Based and Item-Based Collaborative Filtering on Twitter using K-Nearest Neighbors Classification9, Journal of Computer System and Informatics (JoSYC), vol. 3, no. 4, pp. 478–484, Sep. 2022, doi: 10.47065/josyc.v3i4.2204.
H. Februariyanti, A. Dwi Laksono, J. Sasongko Wibowo, and M. Siswo Utomo, 8Implementasi Metode Collaborative Filtering Untuk Sistem Rekomendasi Penjualan Pada Toko Mebel9, Jurnal Khatulistiwa Informatika, vol. 9, no. 1, pp. 43-50, 2021, doi: 10.31294/jki.v9i1.9859.g4873.
G. Ferio, R. Intan, and S. Rostianingsih, 8Sistem Rekomendasi Mata Kuliah Pilihan Menggunakan Metode User Based Collaborative Filtering Berbasis Algoritma Adjusted Cosine Similarity9. Jurnal Infra, vol. 7, no. 1, pp. 1-7, 2019.
G. Jain, T. Mahara, and K. N. Tripathi, 8A Survey of Similarity Measures for Collaborative Filtering-Based Recommender System9, in Advances in Intelligent System
and Computing, Springer, 2020, pp. 343–352. doi: 10.1007/978-981-15-0751-9_32.
M. Al-Ghobari, A. Muneer, and S. M. Fati, 8Locationaware personalized traveler recommender system (lapta) using collaborative filtering knn9, Computers, Materials and Continua, vol. 69, no. 2, pp. 1553–1570, 2021, doi: 10.32604/cmc.2021.016348.
R. A. Chandra, J. Try, and A. Halim,
M. Al-Ghamdi, H. Elazhary, and A. Mojahed, 8Evaluation of Collaborative Filtering for Recommender Systems9, International Journal of Advanced Computer Science and Applications, vol. 12, no. 3, pp. 559–564, 2021, doi: 10.14569/IJACSA.2021.0120367.
