PENDEKATAN HYBRID MENGGUNAKAN COLLABORATIVE DAN CONTENT-BASED FILTERING UNTUK MENGATASI COLD START PROBLEM PADA SISTEM REKOMENDASI COFFEE SHOP

Firjatullah, M Fawwaz (2024) PENDEKATAN HYBRID MENGGUNAKAN COLLABORATIVE DAN CONTENT-BASED FILTERING UNTUK MENGATASI COLD START PROBLEM PADA SISTEM REKOMENDASI COFFEE SHOP. Other thesis, UPN Veteran Yogyakarta.

	Text Cover.pdf Download (157kB)
	Text Abstrak.pdf Download (11kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (341kB)
	Text Lembar Pengesahan Penguji.pdf Download (372kB)
	Text Daftar Isi.pdf Download (89kB)
	Text Daftar Pustaka.pdf Download (102kB)
	Text FULL SKRIPSI M FAWWAZ FIRJATULLAH.pdf Restricted to Repository staff only Download (3MB)

Abstract

Coffee Shop sudah semakin berkembang kian menjamur akibat adanya tren budaya ngopi di Indonesia, tidak terlepas pula terjadi di kota Yogyakarta. Kebiasaan pergi ke Coffee Shop itu tidak hanya untuk mencicipi kopi khas, melainkan juga untuk nongkrong, bersantai, atau diskusi. Berdasarkan data sementara yang tercatat di aplikasi Dataku yang dimiliki oleh Bappeda Provinsi Daerah Istimewa Yogyakarta, jumlah cafe dan restoran yang ada di Yogyakarta berjumlah 1.535. Jumlah ini mengalami peningkatan dari tahun 2021 yakni sebesar 3,54%. Saat ini masyarakat dapat mencari informasi coffee shop yang ingin mereka datangi melalui internet, namun beragamnya informasi yang didapat di internet justru membuat masyarakat kesulitan untuk memilih kebutuhan yang diinginkan atau sesuai dengan preferensi mereka. Sehingga diperlukan adanya teknologi yang dapat merekomendasikan coffee shop berdasarkan atribut atau preferensi user.

Penelitian ini mengatasi masalah tersebut dengan melakukan pengembangan sistem rekomendasi coffee shop dengan menggabungkan metode collaborative filtering dan content-based filtering. Dataset yang digunakan pada penelitian terdiri dari 1467 data rating coffee shop yang diperoleh dari hasil kuesioner, lalu terdapat juga 168 data detail coffee shop yang diperoleh dari website trip advisor. Collaborative Filtering digunakan untuk memprediksi rating coffee shop berdasarkan kemiripan pada coffee shop dengan melihat rating yang telah diberikan oleh user. Content-based filtering digunakan untuk menemukan coffee shop yang serupa dengan kemiripan dari fitur pada tiap coffee shop.

Pengujian pada penelitian digunakan dengan menggunakan precision, recall, dan f1 score untuk mengukur tingkat kemampuan atau efektivitas pada sistem rekomendasi. Nilai rata-rata precision pada model collaborative filtering mendapatkan nilai sebesar 78,94%, content-based filtering sebesar 77,73%, dan hybrid mendapatkan nilai sebesar 84,09%. Lalu untuk nilai rata-rata recall pada model collaborative filtering mendapatkan nilai sebesar 82,77%, content-based filtering sebesar 82,44%, dan hybrid mendapatkan nilai sebesar 80,40%. Terakhir untuk nilai rata-rata f1 score pada model collaborative filtering mendapat nilai sebesar 82,77%, content-based filtering sebesar 82,44%, dan hybrid sebesar 80,40%. Nilai-nilai tersebut menunjukkan bahwa dengan menggabungkan kedua model collaborative filtering dan content-based filtering, sistem dapat mengatasi kelemahan dari setiap model dimana mampu mempertahankan nilai precision, recall, dan f1 score yang tinggi.

Kata kunci: Coffee Shop, sistem rekomendasi, collaborative filtering, content-based filtering

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Coffee Shop, sistem rekomendasi, collaborative filtering, content-based filtering
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	13 Dec 2024 00:49
Last Modified:	13 Dec 2024 00:49
URI:	http://eprints.upnyk.ac.id/id/eprint/41863

Actions (login required)

View Item