SISTEM REKOMENDASI WISATA PULAU JAWA MENGGUNAKAN TEXT COSINE SIMILARITY K-NEAREST NEIGHBOR (K-NN)

Kesianata, Jahnawi (2025) SISTEM REKOMENDASI WISATA PULAU JAWA MENGGUNAKAN TEXT COSINE SIMILARITY K-NEAREST NEIGHBOR (K-NN). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (179kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (882kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (399kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (72kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (125kB)
	Archive (SOURCE CODE) Sourcecode - 21.12.2021.zip Restricted to Repository staff only Download (21MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (779kB)

Abstract

Sistem rekomendasi wisata memiliki peran penting dalam memberikan informasi dan memberikan saran serta memfasilitasi pengguna dalam menemukan destinasi wisata yang sesuai dengan preferensi mereka. Permasalahan pengguna kesulitan dalam menemukan destinasi wisata dan rekomendasi wisata yang sesuai dengan preferensi mereka. Penelitian ini mengembangkan sebuah sistem rekomendasi wisata Pulau Jawa menggunakan metode Cosine Similarity dan KNearest Neighbor. Tujuan utama sistem ini untuk membantu dan memberikan rekomendasi wisata kepada wisatawan untuk mendapatkan rekomendasi wisata sesuai dengan jenis wisata yang diinginkan. Hasil penggunaan metode KNN untuk mengidentifikasi dan mengurutkan rekomendasi wisata yang paling mirip berdasarkan Cosine similaritty dari deskripsi wisata. Hasil pengujian menggunakan algoritma K-Nearst Neighbor (K-NN) dan Cosine Similarity dengan nilai K = 5 berhasil memberikan rekomendasi yang seimbang antara variasi dan relevansi hasil. Cosine similarity digunakan untuk menghitung presentase kemiripan antara deskripsi wisata dan kategori yang memungkinkan sistem untuk menemukan wisata yang paling mirip. Hal ini menunjukkan bahwa kombinasi K-NN dan Cosine similarity efektif dalam memberikan rekomendasi wisata yang akurat dan relevan di Pulau Jawa. Sistem ini memberikan pengalaman yang mudah dan informatif bagi pengguna.

Actions (login required)

View Item