Implementasi Metode Content-Based Filtering dan Collaborative Filtering pada Sistem Rekomendasi Wisata di Bali

Authors

  • Ruvita Faurina University of Bengkulu
  • Evlin Sitanggang University of Bengkulu

DOI:

https://doi.org/10.33633/tc.v22i4.8556

Keywords:

sistem rekomendasi, destinasi wisata, Bali, content-based, collaborative filtering

Abstract

Sektor pariwisata memiliki peran penting dalam perekonomian Bali. Pada bulan April 2023, kunjungan wisatawan ke Bali mencapai 411.510, meningkat 11,01% dari bulan Maret 2023 (sumber: Badan Pusat Statistik Bali). Untuk memperkenalkan destinasi wisata yang ada, Bali perlu menggunakan teknologi yang sedang berkembang seperti sistem rekomendasi. Dalam hal ini, digunakan metode Content-based filtering (CBF) dan Collaborative Filtering (CF). CBF memberikan rekomendasi berdasarkan preferensi pengguna terhadap kategori destinasi wisata, sementara CF menggunakan data histori rating dari pengguna lain untuk merekomendasikan destinasi yang disukai. Dataset terdiri dari 75 data detail destinasi wisata dan 3000 histori rating dari 100 pengguna. Pengujian dilakukan dengan membagi dataset menjadi 80% data training (2400 data) dan 20% data validasi (600 data), menggunakan 15 epoch dan batch size yang sesuai. Hasil terbaik menunjukkan performa loss sebesar 0.0589 dan RMSE sebesar 0.2427.

References

BPS, “Peningkatan kunjungan wisatawan mancanegara pada April 2023 yang tumbuh 276,31 persen dibandingkan April 2022 dan Jumlah penumpang angkutan laut dalam negeri pada April 2023 naik 24,75 persen,” 2023. https://www.bps.go.id/pressrelease/2023/06/05/1978/peningkatan-kunjungan-wisatawan-mancanegara-pada-april-2023-yang-tumbuh-276-31-persen-dibandingkan-april-2023-dan-jumlah-penumpang-angkutan-laut-dalam-negeri-pada-april-2023-naik-24-75-persen.html.

BPS Bali, “Jumlah Wisatawan Asing ke Indonesia dan Bali, 1969-2022,” 2023. https://bali.bps.go.id/statictable/2018/02/09/28/jumlah-wisatawan-asing-ke-bali-dan-indonesia-1969-2019.html.

F. Ricci, L. Rokach, and B. Shapira, Recommender Systems Handbook. 2011.

R. Nugroho, A. Polina, and Y. Mahendra, “Tourism Site Recommender System Using Item-Based Collaborative Filtering Approach,” Int. J. Appl. Sci. Smart Technol., vol. 2, no. 2, pp. 119–126, 2020, doi: 10.24071/ijasst.v2i2.2987.

H. J. Jun, J. H. Kim, D. Y. Rhee, and S. W. Chang, “‘SeoulHouse2Vec’: An embedding-based collaborative filtering housing recommender system for analyzing housing preference,” Sustain., vol. 12, no. 17, 2020, doi: 10.3390/SU12176964.

M. I. Mi’Roj, “Muhammad Ilhamil Mi’Roj pada tahun 2023, yang mengaplikasikan metode Item-Based Collaborative Filtering untuk membangun sistem rekomendasi pariwisata di Kabupaten Sidoarjo,” 2023.

M. Naufal et al., “Implementasi Sistem Rekomendasi Makanan pada Aplikasi EatAja Menggunakan Algoritma Collaborative Filtering,” J. MULTINETICS, vol. 7, no. 2, pp. 177–185, 2021.

T. D. A. Mufidatul Islamiyah, Puji Subekti, “Pemanfaatan Metode Based Collaborative Filtering Untuk Rekomendasi Wisata Di Kabupaten Malang,” J. Teknol. Inf. dan Ilmu Komput., vol. 13, no. 2, 2019, doi: https://doi.org/10.32815/jitika.v13i2.70.

F. Ricci, L. Rokach, B. Shapira, P. B. Kantor, and F. Ricci, Recommender Systems Handbook 123. 2011.

V. Mellville, P and Sindhwani, “Recomender Systems: Encyclopedia of machine learning ch:00338,” IBM Res. Cent., 2010.

H. T. Y. Achsan, H. Suhartanto, W. C. Wibowo, D. A. Dewi, and K. Ismed, “Automatic Extraction of Indonesian Stopwords,” Int. J. Adv. Comput. Sci. Appl., vol. 14, no. 2, pp. 166–171, 2023, doi: 10.14569/IJACSA.2023.0140221.

J. Kaur and P. Kaur Buttar, “A Systematic Review on Stopword Removal Algorithms,” Int. J. Futur. Revolut. Comput. Sci. Commun. Eng., April, pp. 207–210, 2018, [Online]. Available: http://www.ijfrcsce.org.

S. A. Amira and M. I. Irawan, “Opinion Analysis of Traveler Based on Tourism Site Review Using Sentiment Analysis,” IPTEK J. Technol. Sci., vol. 31, no. 2, p. 223, 2020, doi: 10.12962/j20882033.v31i2.6338.

D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 78, 2019, doi: 10.24114/cess.v4i1.11458.

R. H. Mondi and A. Wijayanto, “Recommendation System With Content-Based Filtering Method for Culinary Tourism in Mangan Application,” ITSMART J. Ilm. Teknol. dan Inf., vol. 8, no. 2, pp. 65–72, 2019.

I. G. A. G. A. Kadyanan, “Perancangan Sistem Rekomendasi dalam Industri Kuliner di Bali,” J. Ilm., vol. X, no. 1, pp. 1–6, 2017.

M. A. S. R. E. Nakhli, H. Moradi, “Movie Recommender System Based on Percentage of View,” Knowledge-Based Eng. Innov. - KBEI, pp. 656–660, 2019, doi: 10.1109/KBEI.2019.8734976.

Downloads

Published

2023-11-28

Issue

Vol. 22 No. 4 (2023): November 2023

Section

Articles

License

Pernyataan Lisensi

Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).

Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).

---

Contoh pengkreditan:

- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]

Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.

---