CHATBOT BERBASIS KECERDASAN BUATAN DENGAN SISTEM REKOMENDASI HYBRID UNTUK REKOMENDASI DESTINASI WISATA

Aritonang, Robert Ananda (2025) CHATBOT BERBASIS KECERDASAN BUATAN DENGAN SISTEM REKOMENDASI HYBRID UNTUK REKOMENDASI DESTINASI WISATA. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (1MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (867kB) | Request a copy
	Text BAB V.pdf - Published Version Download (422kB)

Abstract

Sektor pariwisata memegang peran penting dalam mendukung pertumbuhan ekonomi, pelestarian budaya, serta peningkatan kesejahteraan masyarakat lokal. Di era digital saat ini, integrasi teknologi menjadi hal krusial dalam memaksimalkan potensi sektor ini. Salah satu pendekatan inovatif yang berkembang adalah penggunaan Artificial Intelligence (AI) dalam bentuk chatbot yang dikombinasikan dengan sistem rekomendasi. Chatbot berbasis AI memungkinkan interaksi yang lebih natural dengan pengguna serta dapat menyajikan rekomendasi yang sesuai dengan preferensi individu melalui teknologi Natural Language Processing (NLP). Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi tempat wisata berbasis chatbot yang mampu memberikan saran destinasi secara personal berdasarkan preferensi pengguna. Sistem ini memanfaatkan kombinasi pendekatan Collaborative Filtering (CF) menggunakan algoritma SVD++, Content-Based Filtering (CBF) berbasis TF-IDF dan cosine similarity, serta Knowledge-Based Recommender sebagai mekanisme penyaring berdasarkan kategori, lokasi, dan rating minimum yang diinginkan pengguna. Untuk meningkatkan fleksibilitas dan akurasi rekomendasi, pendekatan Hybrid Filtering diterapkan melalui mekanisme weighted hybrid, yang menggabungkan prediksi dari CF dan CBF dengan bobot tertentu. Sistem juga menerapkan metode switching untuk memilih model rekomendasi terbaik berdasarkan histori interaksi pengguna. Evaluasi model menunjukkan bahwa pendekatan hybrid menghasilkan nilai RMSE sebesar 0.6041 dan MAE sebesar 0.4185, lebih baik dibandingkan model CF dan CBF secara individu. Selain itu, integrasi dengan chatbot menggunakan RASA Framework memungkinkan pengguna berinteraksi secara real-time melalui percakapan untuk memperoleh rekomendasi wisata yang relevan. Hasil penelitian ini menunjukkan bahwa sistem rekomendasi yang dibangun tidak hanya mampu menangani kasus cold-start, tetapi juga memberikan pengalaman pengguna yang lebih responsif dan kontekstual.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Sistem Rekomendasi, Chatbot, Hybrid Filtering, Collaborative Filtering, Content-Based Filtering, RASA Framework
Subjects:	600 Teknologi dan Ilmu Terapan (Bisnis) > 650.0285 Pengolahan dan Analisa Data di Bidang Bisnis
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	13 Mar 2026 08:47
Last Modified:	13 Mar 2026 08:47
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3081

Actions (login required)

View Item