Sistem Rekomendasi Kafe Di Kota Palangka Raya Menggunakan Metode Collaborative Filtering

Indonesia

Abstract

Pertumbuhan jumlah kafe di Palangka Raya memberikan dampak dimana konsumen seringkali kebingungan dalam memilih kafe yang sesuai dengan preferensi pribadi konsumen. Penelitian ini bertujuan membangun sistem rekomendasi berbasis web yang mempersonalisasi rekomendasi kafe menggunakan pendekatan User-Based Collaborative Filtering (UBCF).

Preferensi pengguna dimodelkan dalam matriks penggun dan kafe berdasarkan total harga menu yang disukai, lalu diproses dengan mean-centering untuk perbandingan yang lebih adil. Kemiripan antar pengguna dihitung menggunakan cosine similarity dan tetangga terdekat ditentukan dengan menggunakan K-Nearest Neighbors (KNN). Skor kemiripan ini kemudian digabungkan dengan sinyal tambahan seperti riwayat kunjungan, menu favorit, rating, dan sentimen menggunakan teknik weighted sum untuk menghasilkan 6 rekomendasi terbaik.

Evaluasi sistem dilakukan dengan dua aspek, yaitu evaluasi akurasi prediksi dan evaluasi kualitas urutan (ranking) rekomendasi yang diberikan. Pengujian akurasi menggunakan skema 5-fold cross validation menghasilkan rata-rata RMSE 0.2063 dan MAE 0.1748, melampaui nilai baseline penelitian terdahulu. Sementara itu, evaluasi kualitas ranking menunjukkan hasil positif dengan Precision@1 sebesar 0.8093, Recall@10 sebesar 0.8995, dan nDCG@1 sebesar 0.8093. Nilai F1-score tertinggi tercatat pada k=3, menandakan keseimbangan optimal antara presisi dan recall pada tiga rekomendasi teratas.