Sistem rekomendasi destinasi wisata menggunakan neural collaborative filtering

INDONESIA:

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi destinasi wisata di Kota Batu, Jawa Timur, menggunakan metode Neural Collaborative Filtering (NCF). Sistem ini dirancang untuk membantu wisatawan memilih destinasi yang sesuai dengan preferensi mereka, mengatasi tantangan keberagaman kebutuhan wisatawan dalam industri pariwisata yang terus berkembang. Dataset yang digunakan mencakup data pengunjung, preferensi wisata, dan informasi 14 lokasi wisata populer di Kota Batu. Proses implementasi melibatkan persiapan dataset, pembentukan matriks embedding, dan pelatihan model menggunakan TensorFlow. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall berdasarkan Confusion Matrix. Hasil penelitian menunjukkan bahwa sistem rekomendasi berbasis NCF memiliki performa akurasi yang baik, dengan akurasi tertinggi sebesar 81% pada skenario pembagian data training 80% dan data testing 20%. Skenario lainnya, seperti 85:15, menghasilkan akurasi 80%, yang mengindikasikan kemampuan generalisasi model yang memadai. Namun, akurasi menurun pada skenario dengan proporsi data training yang lebih kecil, seperti 60:40 (67%) dan 70:30 (74%), menegaskan pentingnya dataset yang representatif untuk meningkatkan prediksi. Sistem ini efektif dalam memberikan rekomendasi yang personal dan akurat, sekaligus mendukung promosi pariwisata di Kota Batu. Penelitian ini diharapkan dapat mendorong peningkatan kunjungan wisatawan ke Kota Batu dan berkontribusi pada pertumbuhan industri pariwisata Indonesia.

ENGLISH:

This study aims to develop a recommendation system for tourist destinations in Batu City, East Java, using the Neural Collaborative Filtering (NCF) method. The system is designed to assist tourists in selecting destinations that align with their preferences, addressing the challenge of diverse tourist needs in the growing tourism industry. The dataset used includes visitor data, tourism preferences, and information on 14 popular tourist locations in Batu City. The implementation process involves dataset preparation, embedding matrix creation, and model training using TensorFlow. Evaluation was conducted using metrics such as accuracy, precision, and recall based on the Confusion Matrix. The results show that the NCF-based recommendation system achieved good accuracy, with the highest accuracy of 81% obtained under an 80% training and 20% testing data split scenario. Another scenario, with an 85:15 split, produced an accuracy of 80%, indicating the model's adequate generalization capability. However, accuracy declined in scenarios with smaller proportions of training data, such as 60:40 (67%) and 70:30 (74%), highlighting the importance of a representative dataset for improved predictions. This system effectively provides personalized and accurate recommendations while supporting tourism promotion in Batu City. The study is expected to boost tourist visits to Batu City and contribute to the growth of Indonesia's tourism industry

ARABIC:

نظام التوصيات هو نظام قادر على تقديم توصيات بشأن العناصر أو الكائنات التي قد تعجب المستخدمين.
تعد طريقة التصفية التعاونية العصبية إحدى طرق أنظمة التوصية المستخدمة على نطاق واسع. تستخدم
هذه الطريقة تقييمات المستخدم في شكل تقييمات للتنبؤ بالعناصر أو الكائنات التي قد تكون ذات أهمية.
باستخدام مناطق الجذب السياحي في مدينة باتو، سيتم حساب هذا البحث باستخدام تشابه جيب التمام
المعدل للحصول على التقييم. واستنادًا إلى قيمة الجذب السياحي، يتم البحث عن قيمة توقع التصنيف
باستخدام مبلغ مرجح. يستخدم هذا البحث14موقعًا سياحيًا بإجمالي227كبيانات. في تنفيذ طريقة
التصفية التعاونية العصبية، نفذ الباحثون طرق جمع البيانات، وقاموا بإجراء حسابات يدوية،وتنفيذ
الطريقة، واختبار مصفوفة االرتباك، واختبار درجة F1. ومن نتائج االختبارات التي تم إجراؤها حصلنا
على تنبؤات دقيقة إلى حد ما من خالل5تجارب وحصلنا على أعلى دقة بنسبة 81%.