Sistem Rekomendasi Wisata Kabupaten Wonogiri Menggunakan Metode Knowledge-Based Recommendation

Kabupaten Wonogiri merupakan salah satu kabupaten yang banyak dilakukan pengembangan destinasi wisata di setiap daerahnya. Banyaknya pilihan destinasi wisata menyebabkan calon wisatawan kesulitan dalam menemukan destinasi yang sesuai dengan kriteria mereka. Oleh karena itu, diperlukan sebuah sistem rekomendasi yang dapat membantu wisatawan menemukan destinasi yang sesuai dengan preferensi mereka. Sistem tersebut diharapkan dapat membantu calon wisatawan dalam mencari rekomendasi wisata yang sesuai dengan keinginan mereka.
Penelitian ini bermaksud membangun sistem rekomendasi destinasi wisata menggunakan metode knowledge-based recommendation. Sistem rekomendasi ini dibangun menggunakan metode knowledge-based recommendation yang dapat memberikan rekomendasi berdasarkan pada nilai similarity antara value atribut yang diinginkan user dengan value atribut pada database, dan dikembangkan menggunakan metode pengembangan sistem Rapid Development Application (RAD) yang terdiri dari beberapa tahapan meliputi tahap analisis kebutuhan, tahapan pemodelan/desain, pengembangan sistem, dan implementasi.
Hasil dari pengembangan sistem ini terdiri dari pemodelan data dan pengujian akurasi sistem. Pada tahap pemodelan data menunjukan perhitungan data sampel user terhadap 11 destinasi wisata menghasilkan 4 rekomendasi dengan nilai similarity tertinggi yaitu Goa Putri Kencono dengan nilai similarity 0.782, Khayangan dengan nilai similarity 0.773, Museum Kars dengan nilai similarity 0.736, Kampung Wayang dengan nilai similarity 0.732. Pengujian akurasi sistem dilakukan dengan melakukan perbandingan antara perhitungan secara manual menggunakan Microsoft Excel dengan perhitungan dari sistem dan menggunakan metode confusion matrix untuk mengetahui accuracy, precision, dan recall sistem. Hasil selisih perhitungan Microsoft Excel dengan perhitungan sistem keduanya memiliki kesamaan 100%. Pengujian menggunakan confusion matrix dengan threshold atau batas minimal kesesuaian sebesar 60% atau 0.6, menghasilkan pengujian accuracy sebesar 91%, precision sebesar 83%, dan pengujian recall 100%.

link publikasi : https://jurnal.kampuswiduri.ac.id/index.php/infoteh/article/view/245/181