RANCANG BANGUN SISTEM REKOMENDASI TEMPAT MAKAN MENGGUNAKAN ALGORITMA TYPICALITY BASED COLLABORATIVE FILTERING
Abstract
RANCANG BANGUN SISTEM REKOMENDASI TEMPAT MAKAN MENGGUNAKAN ALGORITMA TYPICALITY BASED COLLABORATIVE FILTERING
Makanan merupakan bagian penting bagi manusia baik sebagai kebutuhan primer maupun sebagai bagian dari gaya hidup seseorang. Tempat makan yang semakin banyak dan tawaran makanan yang beragam, membuat seseorang memiliki lebih banyak pilihan akan tempat makan yang dapat dikunjungi. Biasanya dalam memilih tempat makan biasanya seseorang akan meminta atau mencari rekomendasi. Dengan dibantu oleh teknologi, sekarang seseorang bisa mencari rekomendasi dengan menggunakan algoritma sistem rekomendasi. Saat ini ada tiga algoritma sistem rekomendasi yang populer yaitu Content Based Filtering (CBF), Collaborative Filtering (CF) dan metode hybrid. Metode CF merekomendasikan sebuah item kepada pengguna dengan memprediksi preferensi dari pengguna aktif terhadap sejumlah item berdasarkan preferensi dari pengguna lain yang mirip atau dari item. Ada dua jenis metode dalam CF yaitu User Based CF dan Item Based CF. User Based CF merupakan metode CF yang memprediksi preferensi berdasarkan preferensi pengguna lain yang mirip dengan pengguna aktif. Terdapat sebuah metode baru yang dikembangkan dari metode User Based CF, metode ini adalah Typicality Based CF. Typicality Based CF (TyCo) memiliki kelebihan yang tidak dimiliki metode CF lainnya dapat memberikan prediksi yang akurat walau data terbatas, dapat melakukan clustering tanpa algoritma tambahan dan dapat mengatasi masalah cold-start yang biasa dialami metode CF. Peneliti melakukan survei dengan mengambil sampel yaitu masyarakat umum dari berbagai kalangan. Hasil dari survei tersebut digunakan sebagai konstanta beban dalam sistem rekomendasi. Dengan menggunakan aplikasi mobile, peneliti ingin membuat aplikasi yang dapat memberikan rekomendasi tempat makan dengan menggunakan TyCo. Fitur-fitur yang terdapat pada aplikasi ini yaitu cari rekomendasi yang menggunakan TyCo dan informasi yang mendetail mengenai tempat makan dan menunya. Aplikasi ini dirancang dengan sistem operasi Android, bahasa pemrograman Java dan bantuan Applicaion Programming Interface (API) Google Maps untuk informasi jarak, koordinat dan data tambahan. Berdasarkan pengujian yang telah dilakukan diketahui bahwa aplikasi ini memiliki nilai rata-rata Mean Absolute Error (MAE) sebesar 1.366 yang disebabkan karena kurangnya data training.