View/Open

Author
RAYHAN, AHMAD RIZALULLAH

Date Published
21 Aug 2026

Advisor
Ilham Firman Ashari, S.Kom., M.T,

Subject
Teknik Informatika

Publisher

Aplikasi pariwisata ARTour memiliki kendala dalam memfasilitasi penemuan destinasi akibat karakteristik interaksi pariwisata yang bersifat low-frequency dan mengalami data sparsity yang berkisar di 99%. Penelitian ini bertujuan merancang, mengimplementasikan, dan mengevaluasi sistem rekomendasi berbasis Multi-Stage Hybrid Filtering dalam kondisi data sparsity tersebut. Model rekomendasi dirancang melalui tiga lapisan, lapisan pertama untuk mengekstraksi kandidat awal dengan algoritma Apriori, lapisan kedua sebagai cadangan menggunakan Content-Based Filtering berbasis representasi vektor TF-IDF, lapisan terakhir menggabungkan kandidat tersebut dan memeringkatkan ulang (re-ranking) menggunakan Multi-Criteria Recommender System (MCRS) berdasarkan utilitas harga dan rating destinasi. Pengembangan sistem menggunakan metodologi Cross-Industry Standard Process for Data Mining. Sistem rekomendasi dievaluasi secara offline melalui skenario Sequential Leave-One-Out dan diuji secara online menggunakan System Usability Scale (SUS) serta kerangka kuesioner Recommender Systems’ Quality of User Experience (ResQue). Pengujian offline dilakukan pada kondisi ambang batas minimal dua interaksi positif per pengguna karena ambang batas yang lebih tinggi terbukti mengorbankan pemerataan distribusi rekomendasi meski meningkatkan akurasi, serta pada kondisi jumlah kandidat rekomendasi yang setara dengan jumlah slot rekomendasi, yaitu sepuluh destinasi (N=K=10). Hasil pengujian offline menunjukkan Hit Rate sebesar 17,36%, Mean Reciprocal Rank sebesar 4,55%, Catalog Coverage sebesar 51,23%, dan Gini Index sebesar 0,7795. Pengaktifan MCRS mengindikasikan bahwa destinasi yang benar-benar diinteraksikan pengguna belum tentu merupakan destinasi dengan harga dan rating terbaik, diperkuat oleh temuan bahwa perluasan jumlah kandidat rekomendasi menjadi dua puluh destinasi (N=20) justru menurunkan seluruh metrik pengujian offline. Evaluasi online menunjukkan peningkatan skor SUS sebesar 7,90 poin, dari 73,79 menjadi 81,69, setelah integrasi fitur rekomendasi pada aplikasi. Hasil evaluasi ResQue turut memberikan persepsi positif terhadap fitur rekomendasi, dengan nilai rata-rata keseluruhan 4,65 dari skala 5,00. Kesimpulannya, fitur rekomendasi berhasil dirancang dan dikembangkan dalam kondisi data sparsity, walau penerapannya perlu mengompromikan akurasi demi pemerataan distribusi rekomendasi, serta mengindikasikan peningkatan usabilitas aplikasi bagi pengguna.

URI
https://repo.itera.ac.id/depan/submission/SB2608230009

Keyword
recommender system hybrid filtering apriori content based filtering multi criteria recommender system