Purwanto, Novebrian Setya (2026) SISTEM REKOMENDASI DESTINASI WISATA MENGGUNAKAN ALGORITMA HYBRID FILTERING PADA DAERAH ISTIMEWA YOGYAKARTA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER - ABSTRAK)
COVER.pdf - Published Version Download (1MB) |
|
Text (BAB I)
BAB I.pdf - Published Version Download (221kB) |
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Registered users only Download (612kB) |
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Registered users only Download (268kB) |
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf - Published Version Download (94kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (175kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 22.12.2349.zip Restricted to Repository staff only Download (14MB) |
|
Text (PUBLIKASI)
Publikasi.pdf - Published Version Restricted to Repository staff only Download (696kB) |
Abstract
Lonjakan perjalanan wisata domestik di Indonesia, khususnya di Provinsi Daerah Istimewa Yogyakarta (DIY), menuntut adanya sistem rekomendasi destinasi yang mampu memberikan saran secara personal dan kontekstual. Penelitian ini mengembangkan sistem rekomendasi destinasi wisata berbasis hybrid filtering yang menggabungkan content-based filtering, collaborative filtering, serta variabel cuaca real-time untuk meningkatkan relevansi rekomendasi. Data destinasi wisata DIY diperoleh dari dataset publik Kaggle, sementara data cuaca diperoleh melalui Application Programming Interface (API) Open-Meteo. Kemiripan konten dihitung menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) dan cosine similarity, sedangkan kesamaan antar pengguna dianalisis menggunakan algoritma k-nearest neighbors (k-NN). Sistem diimplementasikan menggunakan basis data MYSQL dan antarmuka web interaktif berbasis PHP. Hasil pengujian menunjukkan bahwa pendekatan hybrid filtering menghasilkan nilai Mean Absolute Error (MAE) sebesar 0,1366 dan Root Mean Square Error (RMSE) sebesar 0,1638, yang berarti lebih akurat dibandingkan pendekatan tunggal. Sistem ini juga mampu menyesuaikan rekomendasi terhadap kondisi cuaca aktual, seperti memprioritaskan destinasi indoor saat hujan. Integrasi komponen content-based dan collaborative filtering terbukti efektif dalam mengatasi permasalahan cold-start serta meningkatkan kepuasan pengguna dalam memilih destinasi wisata di DIY.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Collaborative Filtering, Content-Based Filtering, Cuaca Real-Time, Hybrid Filtering, Sistem Rekomendasi Wisata, Daerah Istimewa Yogyakarta, Real-Time Weather, Hybrid Filtering, Tourism Recommendation System. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 21 Sep 2026 04:19 | ||
| Last Modified: | 21 Sep 2026 04:19 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/32892 |
Actions (login required)
 |
View Item |