Perancangan Sistem Rekomendasi Paket Wisata dengan Metode Keyword Matching

Authors

  • Herastia Maharani Institut Teknologi Harapan Bangsa
  • Evasaria Magdalena Sipayung Institut Teknologi Harapan Bangsa
  • Hana Philia Oliviani Institut Teknologi Harapan Bangsa

DOI:

https://doi.org/10.61769/telematika.v12i1.177

Keywords:

paket wisata, sistem rekomendasi, kategori, Keyword Matching

Abstract

Kota Bandung terkenal dengan tempat-tempat wisata yang banyak dikunjungi oleh banyak orang baik dari luar kota maupun luar negeri. Para pengunjung tersebut datang ke Bandung dengan banyak tujuan yang berbeda satu dengan lainnya. PT. XYZ merupakan sebuah perusahaan tur yang menawarkan paket wisata dengan tujuan Bandung. Selama ini PT. XYZ hanya menyiapkan paket wisata standar yang ternyata kurang dapat memenuhi permintaan para wisatawan. PT. XYZ ingin mengembangkan layanannya dengan menyediakan paket wisata yang dapat dikustomisasi sehingga wisatawan yang datang dapat terpenuhi permintaannya dengan waktu yang singkat. Dalam penelitian ini dirancang suatu sistem rekomendasi yang dapat membantu bagian konsultan travel dalam menyediakan paket wisata yang sesuai dengan permintaan masing-masing wisatawan. Sistem ini menggunakan metode Keyword Matching untuk melakukan pemilihan tempat wisata yang sesuai dengan kategori yang diinginkan oleh wisatawan. Berdasarkan daftar tempat wisata yang didapat sesuai kategori, dilakukan perhitungan untuk menentukan jumlah tempat wisata yang direkomendasikan sesuai dengan durasi tur dan akan diurutkan berdasarkan tingkat popularitas, wilayah tempat, dan jam operasional. Tempat yang sudah diurutkan akan dibuat menjadi satu paket wisata beserta jadwalnya dengan memperhitungkan jam operasional tempat wisata, lama kunjungan dan lama perjalanan dari satu tempat ke tempat lainnya.

References

R. Fesenmainer, K.W. Wöber, H.Werthner. Destination Recommendation System: Behavioral Foundations and Application. CAB International. 2006.

R. Van Meteren, M. Van Someren. Using Content-Based Filtering for Recommendation. Proceedings of the Machine Learning in the New Information Age: ML-net/ECML2000 Workshop. 2000.

L. Safoury, A. Salah. Exploiting User Demographic Attributes for Solving Cold-Start Problem in Recommender System. 2nd International Conference on Software and Computer Applications. 2013.

H. Maharani, F.A. Gunawan. Sistem Rekomendasi Mobil Berdasarkan Demographic dan Content-Based Filtering. Jurnal Telematika Vol. 9(2). 2014

P. Lenhart, D. Herzog. Combining content-based and collaborative filtering for personalized sports news recommendations. Proceedings of the 3rd Workshop on New Trends in Content-Based Recommender Systems, pg 3-10. 2016

S. Renjith, Anjali C. A Personalized Travel Recommender Model Based on Content-based Prediction and Collaborative Recommendation. International Conference on Mobility in Computing- ICMiC13 pg. 66-73. 2013.

D. Bogdanov, M. Haro, F. Fuhrmann, E. Gomez, P. Herrera. Content-Based Music Reccomendation Based on User Preference Example. ACM Conference on Recommender Systems. Workshop on Music Recommendation and Discovery (Womrad 2010). 2010

Downloads

Published

2017-10-03

Issue

Vol. 12 No. 1 (2017)

Section

Articles

License

 

You are free to:

  1. Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
  2. Adapt — remix, transform, and build upon the material for any purpose, even commercially.
  3. The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  1. Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  2. ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  3. No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.

No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.