SISTEM INFORMASI REKOMENDASI KULINER BERDASARKAN PREFERENSI PENGGUNA BERBASIS WEB

research
  • 10 Mar
  • 2025

SISTEM INFORMASI REKOMENDASI KULINER BERDASARKAN PREFERENSI PENGGUNA BERBASIS WEB

Abstrak  - Penelitian ini bertujuan untuk mengembangkan sistem informasi rekomendasi kuliner berbasis web menggunakan metode Content-Based Filtering (CBF). Sistem ini dirancang untuk memberikan rekomendasi personal berdasarkan preferensi pengguna, seperti jenis makanan, harga, lokasi, dan ulasan pengguna. Masalah utama yang didapatkan yaitu bagaimana sistem dapat mempermudah pengguna dalam menemukan tempat makan yang relevan berdasarkan riwayat ulasan, pencarian, dan lokasi terdekat. Dalam implementasinya, sistem memanfaatkan teknologi web modern untuk menyediakan antarmuka pengguna yang interaktif dan responsif. Data preferensi pengguna dikumpulkan melalui riwayat pencarian, ulasan, dan parameter lainnya, kemudian dianalisis menggunakan algoritma CBF untuk menghasilkan rekomendasi yang relevan dan akurat. Pengembangan sistem mengikuti model Waterfall, mencakup analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem ini juga terintegrasi dengan fitur pemetaan lokasi menggunakan Google Maps untuk menampilkan restoran berdasarkan kedekatan geografis. Pengujian menunjukkan bahwa sistem memiliki performa yang baik, dengan tingkat kepuasan pengguna yang tinggi, berkat responsivitas, akurasi rekomendasi, dan keamanan data. Hasil penelitian ini diharapkan dapat memberikan manfaat praktis bagi pengguna dalam menemukan tempat makan sesuai preferensi mereka, serta menjadi referensi bagi pengembang sistem rekomendasi dan pelaku industri kuliner. Dengan personalisasi rekomendasi, sistem ini juga berpotensi meningkatkan keterlibatan pengguna dan daya tarik restoran.

Kata Kunci : Content-Based Filtering, Sistem Rekomendasi, Kuliner, Web, Personalisasi

 

Abstract  - This study aims to develop a web-based culinary recommendation information system using the Content-Based Filtering (CBF) method. The system is designed to provide personalized recommendations based on user preferences, such as food type, price, location, and user reviews. The main problem obtained is how the system can make it easier for users to find relevant places to eat based on review history, searches and nearby locations. In its implementation, the system utilizes modern web technologies to provide an interactive and responsive user interface. User preference data is collected through search history, reviews, and other parameters, then analyzed using the CBF algorithm to generate relevant and accurate recommendations. The system development follows the Waterfall model, covering requirement analysis, design, implementation, testing, and maintenance. The system is also integrated with a location mapping feature using Google Maps to display restaurants based on geographical proximity. Testing results show that the system performs well, with high user satisfaction due to its responsiveness, recommendation accuracy, and data security. The findings of this study are expected to provide practical benefits for users in finding dining places that match their preferences, as well as serve as a reference for recommendation system developers and culinary industry stakeholders. With personalized recommendations, this system also has the potential to enhance user engagement and restaurant appeal.

Keywords: Content-Based Filtering, Recommendation System, Culinary, Web, Personalization

Unduhan

  • File unduhan

    BAB III.pdf

    Terakhir download 23 May 2025 20:05

    FILE 4

    •   diunduh 34x | Ukuran 370 KB
  • File unduhan

    BAB II.pdf

    Terakhir download 23 May 2025 20:05

    FILE 3

    •   diunduh 34x | Ukuran 413 KB
  • File unduhan

    BAB I.pdf

    Terakhir download 23 May 2025 18:05

    FILE 2

    •   diunduh 31x | Ukuran 329 KB
  • File unduhan

    BAB IV.pdf

    Terakhir download 24 May 2025 03:05

    FILE 5

    •   diunduh 35x | Ukuran 816 KB

 

REFERENSI

Argal, A., Gupta, S., Modi, A., Pandey, P., Shim, S., & Choo, C. (2018). Intelligent travel chatbot for predictive recommendation in echo platform. 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018. https://doi.org/10.1109/CCWC.2018.8301732

Anim, A., & Indiani, N. L. P. (2020). Pengaruh promosi dan kualitas layanan terhadap keputusan pembelian kembali. Jurnal Ilmiah Manajemen Dan Bisnis, 5(1), 99–108.

Liang, S., & Susanto, J. (2022). Rancang Bangun Aplikasi Rekomendasi Restoran Menggunakan Metode K-Nearest Neighbors dan Content-Based Filtering. JURIKOM (Jurnal Riset Komputer), 9(1), 8–17.

Marcoulides, G. a. (2005). Discovering Knowledge in Data: an Introduction to Data Mining:Discovering Knowledge in Data: An Introduction to Data Mining. In Journal of the American Statistical Association (Vol. 100, Issue 472). https://doi.org/10.1198/jasa.2005.s61

Romadhona, A., & Rifqi, A. (2022). Peran Media Sosial Dalam Mendukung Implementasi Manajemen Humas Sekolah. Jurnal Inspirasi Manajemen Pendidikan, 10(3), 613–624.

Wulansari, W., Fauziyah, D., Hidayat, T., Ramasiah, S., Prehanto, A., & Nuryadin, A. (2022). Perkembangan Industri Kreatif Di Kota Tasikmalaya Pada Era Digital. Jurnal Industri Kreatif Dan Kewirausahaan, 5(2).

 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru