Sistem Rekomendasi Destinasi Wisata Menggunakan Content-Based Filtering dan Analisis Fitur Geospasial

Abstrak

Penelitian ini mengembangkan sistem rekomendasi destinasi wisata berbasis Content-Based Filtering yang diintegrasikan dengan analisis fitur geospasial untuk meningkatkan relevansi dan konteks rekomendasi bagi pengguna. Sistem ini dirancang untuk menjawab kelemahan pada sebagian besar sistem rekomendasi wisata yang masih berfokus pada aspek popularitas dan penilaian umum tanpa mempertimbangkan kedekatan lokasi maupun preferensi personal. Dataset yang dimanfaatkan berasal dari Tourism in Indonesia (Kaggle) dengan area penelitian difokuskan pada wilayah Jakarta dan Bandung. Dalam proses pengembangan, fitur teks diekstraksi menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan tingkat kemiripan antar destinasi dihitung melalui Cosine Similarity. Selain itu, jarak geografis antar lokasi dianalisis menggunakan rumus Haversine untuk memperkuat konteks spasial rekomendasi. Pembangunan sistem dilakukan dengan metodologi Agile (Scrum) agar proses pengembangan bersifat iteratif dan adaptif terhadap kebutuhan pengguna. Hasil evaluasi menunjukkan performa sistem yang baik dengan nilai Precision sebesar 0,63, Recall sebesar 0,90, dan F1-Score sebesar 0,73. Temuan ini menegaskan bahwa integrasi pendekatan berbasis konten dan analisis spasial mampu meningkatkan akurasi rekomendasi wisata yang sesuai dengan preferensi serta lokasi pengguna.