<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>SISTEM REKOMENDASI WISATA MAGELANG&#13;
MENGGUNAKAN METODE COLLABORATIVE FILTERING&#13;
DENGAN ALGORITMA MATRIX FACTORIZATION</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Armis</mods:namePart><mods:namePart type="family">Dayanti</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Kabupaten Magelang memiliki potensi pariwisata yang sangat besar dengan&#13;
beragam destinasi wisata alam, budaya, dan sejarah. Namun, banyaknya pilihan&#13;
destinasi sering menyebabkan wisatawan mengalami kesulitan dalam menentukan&#13;
tempat wisata yang sesuai dengan minat dan preferensi pribadi. Kondisi ini&#13;
diperparah oleh keterbatasan sistem informasi wisata yang mampu memberikan&#13;
rekomendasi secara personal dan relevan berdasarkan pengalaman pengguna&#13;
sebelumnya.&#13;
Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi wisata&#13;
Kabupaten Magelang menggunakan metode Collaborative Filtering dengan&#13;
algoritma Matrix Factorization. Data yang digunakan berupa data sekunder rating&#13;
pengguna terhadap destinasi wisata yang diperoleh dari platform Kaggle. Tahapan&#13;
penelitian meliputi pengumpulan data, preprocessing, pembentukan matriks&#13;
pengguna–item, proses pelatihan model menggunakan algoritma Matrix&#13;
Factorization, serta evaluasi kinerja sistem. Evaluasi dilakukan menggunakan&#13;
beberapa metrik kuantitatif, yaitu Root Mean Square Error (RMSE), Mean&#13;
Absolute Error (MAE), Mean Squared Error (MSE), dan Mean Absolute&#13;
Percentage Error (MAPE). Sistem rekomendasi kemudian diimplementasikan&#13;
dalam bentuk aplikasi web interaktif berbasis Streamlit.&#13;
Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dibangun&#13;
mampu memberikan rekomendasi destinasi wisata yang relevan sesuai dengan&#13;
preferensi pengguna. Nilai evaluasi yang diperoleh menunjukkan bahwa algoritma&#13;
Matrix Factorization memiliki tingkat akurasi prediksi yang baik dalam&#13;
memodelkan preferensi pengguna meskipun data bersifat sparse. Sistem ini&#13;
diharapkan dapat membantu wisatawan dalam menentukan destinasi wisata secara&#13;
lebih efektif serta menjadi sarana pendukung promosi digital pariwisata di&#13;
Kabupaten Magelang. Penelitian ini juga dapat menjadi referensi untuk&#13;
pengembangan sistem rekomendasi wisata berbasis data pada penelitian&#13;
selanjutnya.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:classification authority="lcc">003 Sistem-sistem</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-01-26</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>