Sistem Rekomendasi Tempat Makan Berbasis Konten Berdasarkan Metode Best Match 25 Lucene (BM25L)

Septiyawan Rosetya Wardhana, Talitha Naifa Audrey, Hendro Nugroho

Abstract

Sistem rekomendasi adalah sistem yang dirancang untuk memberikan rekomendasi dari suatu produk dengan tujuan membantu pengguna dalam melakukan pengambilan keputusan. Tempat makan yang beragam dan kurangnya rekomendasi kuliner yang mencakup jenis makanan, variasi menu, harga, fasilitas, jam operasional, serta lokasi yang menjadi permasalahan bagi warga lokal dan wisatawan dalam menentukan tempat makan yang sesuai. Untuk mengatasi permasalahan tersebut, dalam penelitian ini diusulkan pengembangan sistem rekomendasi tempat makan berbasis konten dengan metode Best Match 25 Lucene (BM25L) di Pamekasan. Sistem ini membantu pengguna menemukan tempat makan sesuai preferensi mereka berdasarkan menu yang ditawarkan. Data diperoleh dari sumber publik seperti Google dan Instagram serta observasi langsung. Metode BM25L dipilih karena kemampuannya mengatasi pengaruh panjang dokumen pada peringkat, sehingga menghasilkan nilai yang lebih akurat. Pengujian menggunakan precision @k oleh 10 pengguna menunjukkan precision @10 sebesar 0,93 dan precision @20 sebesar 0,84. Perbedaan ini terjadi karena hasil yang lebih relevan biasanya muncul di posisi awal. Sistem rekomendasi dioptimalkan untuk menampilkan hasil paling relevan di peringkat 1-10, sehingga hasil pertama lebih akurat. Ketika jumlah hasil yang dievaluasi meningkat menjadi 20, relevansi rata-rata menurun. Ini menunjukkan bahwa sistem mampu memberikan hasil sangat akurat pada jumlah hasil yang lebih kecil namun tetap relevan pada hasil yang lebih besar. Dengan sistem ini, pengguna dapat dengan mudah menemukan tempat makan yang diinginkan

Keywords

Sistem Rekomendasi; Tempat Makan; Precision @K; Best Match 25 Lucene (BM25L)

Full Text:

PDF

References

K. H. Muliadi and C. C. Lestari, “Rancang Bangun Sistem Rekomendasi Tempat Makan Menggunakan Algoritma Typicality Based Collaborative Filtering,” Techno.Com, vol. 18, no. 4, pp. 275–287, Nov. 2019, doi: 10.33633/tc.v18i4.2515.

M. Farid and D. Fitrianah, “Rekomendasi Pemilihan Restoran Berdasarkan Rating Online Menggunakan Algoritma C4.5,” J. Telekomun. Dan Komput., vol. 11, no. 1, p. 9, Apr. 2021, doi: 10.22441/incomtech.v11i1.9791.

H. Februariyanti, A. D. Laksono, J. S. Wibowo, and M. S. Utomo, “IMPLEMENTASI METODE COLLABORATIVE FILTERING UNTUK SISTEM REKOMENDASI PENJUALAN PADA TOKO MEBEL,” 2021.

L. M. Argenza, A. P. Utomo, and S. Kom, “SISTEM REKOMENDASI KULINER SEMARANG BERBASIS WEB MOBILE (E-SEMAR),” 2021.

H. Mulyaningsih, B. S. D. Haryanto, M. C. B. Umanailo, and B. Irawan, “Pergeseran Entitas Kuliner Madura: Adaptasi Budaya, dan Tradisi Kuliner Lokal Menjadi Komersialisasi,” 2023.

E. Septrinas, “Klasifikasi Berita Olahraga Berbahasa Indonesia menggunakan Metode BM25 dan K-Nearest Neighbor”.

G. Riadhi and S. Anardani, “Rancang Bangun Sistem Pendukung Keputusan Penentuan Kondisi Stunting Dengan Metode Moora,” Cyber Secur..

S. Rahmawati, D. Nurjanah, and R. Rismala, “Analisis dan Implementasi pendekatan Hybrid untuk Sistem Rekomendasi Pekerjaan dengan Metode Knowledge Based dan Collaborative Filtering,” Indones. J. Comput. Indo-JC, vol. 3, no. 2, p. 11, Sep. 2018, doi: 10.21108/INDOJC.2018.3.2.210.

A. Trotman, A. Puurula, and B. Burgess, “Improvements to BM25 and Language Models Examined,” in Proceedings of the 2014 Australasian Document Computing Symposium, Melbourne VIC Australia: ACM, Nov. 2014, pp. 58–65. doi: 10.1145/2682862.2682863.

Refbacks

  • There are currently no refbacks.