PENERAPAN METODE CONTENT-BASED FILTERING PADA SISTEM REKOMENDASI PEMILIHAN RUMAH MAKAN DI KOTA SURAKARTA

Banyaknya pilihan rumah makan di Kota Surakarta dengan variasi kategori, harga, lokasi, dan rating sering kali menyulitkan pengguna dalam menentukan tempat makan yang sesuai dengan kebutuhan dan preferensinya. Penelitian ini bertujuan mengembangkan sistem rekomendasi rumah makan berbasis Content-Based Filtering untuk membantu pengguna memperoleh rekomendasi yang lebih relevan. Data yang digunakan berjumlah 212 rumah makan yang diperoleh melalui proses web scraping pada Google Maps menggunakan ekstensi Instant Data Scraper. Sebelum dilakukan proses rekomendasi, data terlebih dahulu melalui tahapan preprocessing yang meliputi case folding, tokenization, normalisasi kata tidak baku, dan stopword removal. Selanjutnya, dilakukan pembobotan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) serta perhitungan tingkat kemiripan menggunakan Cosine Similarity. Sistem kemudian diimplementasikan dalam bentuk aplikasi berbasis web menggunakan bahasa pemrograman Python dengan framework Flask. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu menghasilkan rekomendasi rumah makan berdasarkan kata kunci dan filter yang diberikan pengguna. Pada salah satu skenario pengujian, Kampung Kecil memperoleh nilai similarity tertinggi sebesar 0.4306, sehingga menjadi rekomendasi dengan tingkat relevansi paling tinggi. Evaluasi kualitas rekomendasi menggunakan metrik Precision, Recall, dan F1-Score memperoleh nilai rata-rata masing-masing sebesar 82,96%, 40%, dan 53,95%.. Berdasarkan hasil tersebut, penerapan metode Content-Based Filtering yang dikombinasikan dengan TF-IDF dan Cosine Similarity terbukti mampu memberikan rekomendasi rumah makan yang sesuai dengan karakteristik data dan preferensi pengguna.meskipun kemampuan dalam menemukan seluruh data yang relevan masih dapat ditingkatkan.