Sistem Rekomendasi Rumah Makan Sunda Di Bogor Menggunakan Metode Item Based Colaborative Filtering

  • Kode Repository : SKI05/JUA/23
  • NPM : 065117215
  • Nama : Juan Anugrah Ramadhan
  • Pembimbing 1 : -Dr. Prihastuti Harsani, M.Si
  • Pembimbing 2 : -Mulyati, M.Kom.
  • Abstrak : -Sistem Rekomendasi Rumah Makan Sunda Di Bogor Menggunakan Metode Item Based Colaborative Filtering Juan Anugrah Ramadhan Universitas Pakuan ramadhanjuan03@gmail.com Abstrak Dalam konteks pencarian informasi mengenai restoran dan menu makanan, semakin banyaknya informasi tidak selalu membuat masyarakat lebih mudah dalam menentukan pilihan. Untuk mengatasi permasalahan tersebut, dibutuhkan sebuah sistem rekomendasi yang dapat merekomendasikan tempat makan berdasarkan preferensi pengguna. Sistem rekomendasi harus dapat menyimpulkan preferensi pengguna berdasarkan interaksi dan aktivitas sebelumnya dengan pengguna lain yang serupa. Pada penelitian ini, digunakan Item-based Collaborative Filtering, sebuah metode rekomendasi yang didasarkan pada kesamaan antara pemberian rating terhadap suatu produk dengan produk yang dibeli. Produk yang memiliki nilai kegunaan tertinggi kemudian dijadikan rekomendasi. Perhitungan metode collaborative filtering menggunakan Adjusted Cosine Similarity dan Weighted Sum. Model System Development Life Cycle (SDLC) digunakan untuk pengembangan sistem rekomendasi ini. Pengujian sistem menggunakan dengan metode Black Box, pengujian struktural, dan pengujian validasi kualitas rekomendasi menggunakan User Acceptance Test (UAT). UAT dilakukan dengan menyebarkan kuesioner online kepada 50 responden yang menunjukkan kemudahan pengguna dalam menggunakan website sebesar 81%. Sedangkan untuk fitur rekomendasi, rata-rata nilai kemudahan pengguna dalam mendapatkan rekomendasi tempat kuliner sebesar 81%. Dengan hasil pengujian ini, dapat disimpulkan bahwa website culinary mudah diakses dan hasil rekomendasinya membantu pengguna dalam memilih tempat kuliner yang sesuai dengan preferensinya. Kata kunci – Sistem Rekomendasi, Rumah Makan, Item-based Collaborative Filter
  • Program Studi : Ilmu Komputer