SISTEM INFORMASI REKOMENDASI PARIWISATA KABUPATEN SRAGEN MENGGUNAKAN ALGORITMA HYBRID FILTERING
Keywords:
Sistem Rekomendasi, Pariwisata, Hybrid Filtering, Agile Scrum, AstroAbstract
Pencarian informasi pariwisata di Kabupaten Sragen saat ini masih bersifat parsial dan tersebar di berbagai platform, menyulitkan wisatawan dalam merencanakan perjalanan secara terpusat. Penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Rekomendasi Pariwisata Kabupaten Sragen berbasis website guna memberikan referensi destinasi yang dipersonalisasi. Pengembangan sistem menggunakan metodologi Agile Scrum dengan kerangka kerja Astro untuk frontend dan Supabase sebagai basis data backend. Inti penyelesaian masalah pada sistem ini adalah implementasi algoritma Hybrid Filtering yang mengintegrasikan Content-Based Filtering (CBF) dan Collaborative Filtering (CF). CBF menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity untuk mengekstraksi serta mencocokkan kategori fitur destinasi. Sementara itu, CF menerapkan pendekatan Item-Based dengan korelasi Cosine Similarity untuk menganalisis matriks rating antar pengguna. Penggabungan kedua metode ini menggunakan rasio pembobotan dinamis (basis awal 70:30) yang diarsiteki khusus untuk menanggulangi anomali cold-start pada pengguna baru. Hasil dari perancangan ini adalah sebuah purwarupa sistem komputasi yang mampu mengkalkulasi prediksi kedekatan secara presisi untuk menyajikan daftar peringkat rekomendasi pariwisata sesuai dengan riwayat interaksi pengguna. Kesimpulannya, integrasi Hybrid Filtering dalam pendekatan adaptif Agile Scrum menghasilkan sistem yang terpusat dan berpotensi kuat untuk meningkatkan visibilitas sektor pariwisata lokal.
References
[1] S. Nikhil, “Revolutionizing Travel and Tourism: Exploring the Role of Digital Marketing in Todays Landscape,” Int. J. Res. Appl. Sci. Eng. Technol., vol. 11, no. 3, pp. 1313–1315, Mar. 2023, doi: 10.22214/ijraset.2023.49652.
[2] Badan Pusat Statistik Kabupaten Sragen, “Kabupaten Sragen dalam Angka 2026,” Sragen, 2026.
[3] J. Liu, “The Impact of Information Overload on Preferences for Tourism Information Media,” Finance & Economics, vol. 1, no. 6, Dec. 2025, doi: 10.61173/5cscss44.
[4] D. Priska and Hamdani, “Rancang Bangun Sistem Rekomendasi Destinasi Wisata Di Bondowoso Berbasis Website,” Jurnal Mahasiswa Teknik Informatika, vol. 4, Oct. 2025, doi: https://doi.org/10.35473/jamastika.v4i2.4544.
[5] C. Salsabilla et al., “Sistemasi: Jurnal Sistem Informasi Sistem Rekomendasi Wisata Kabupaten Pekalongan dengan Content Based Filtering,” 2025. [Online]. Available: http://sistemasi.ftik.unisi.ac.id
[6] M. Alfin, T. Putra, and R. Alit, “Sistem Rekomendasi Destinasi Wisata di Kabupaten Mojokerto dengan Metode Hybrid Filtering Berbasis Website,” Journal of Informatics and Computer Science, vol. 07, 2025.
[7] R. Faurina and E. Sitanggang, “Implementasi Metode Content-Based Filtering Dan Collaborative Filtering Pada Sistem Rekomendasi Wisata Di Bali,” Techno Com, vol. 22, no. 4, pp. 870–881, 2023, doi: 10.33633/tc.v22i4.8556.
[8] I. A. Dewi, Y. Miftahuddin, M. A. Fattah, C. B. Palenda, and S. Fathurrahman Erawan, “Point of Sales System in InHome Café Website using,” Agile Methodology Journal of Innovation and Community Engagement (ICE), vol. 01, no. 01, Mar. 2021, doi: 10.28932/jice.v1i1.3321.
[9] V. K. Matam and N. M. Reddy, “Overcoming the cold-start challenge in recommender systems: A novel two-stage framework,” Open Computer Science, vol. 15, no. 1, Aug. 2025, doi: 10.1515/comp-2025-0038.
[10] I. Buljic, E. Kadusic, T. Cvijanovic, N. Hadzajlic, and N. Zivic, “Comparative Performance Analysis of Leading Backend Frameworks for Developers,” in 2025 24th International Symposium INFOTEH-JAHORINA (INFOTEH), IEEE, Mar. 2025, pp. 1–5. doi: 10.1109/INFOTEH64129.2025.10959250.
[11] R. Wandri, M. R. Fadhilah, P. R. Setiawan, and M. Fadhilla, “Agile Scrum as a Development Approach: A Case Study of Web-based School Information System Design,” SISTEMASI, vol. 14, no. 4, p. 1722, Jul. 2025, doi: 10.32520/stmsi.v14i4.5273.
[12] D. F. Surianto and D. F. Surianto, “Enhancing K-Means Clustering for Journal Articles using TF-IDF and LDA Feature Extraction,” Brilliance: Research of Artificial Intelligence, vol. 4, no. 2, pp. 964–972, Mar. 2025, doi: 10.47709/brilliance.v4i2.5547.
[13] A. Gunawardana, G. Shani, and S. Yogev, “Evaluating Recommender Systems,” in Recommender Systems Handbook, New York, NY: Springer US, 2022, pp. 547–601. doi: 10.1007/978-1-0716-2197-4_15.
[14] Harrison Oke Ekpobimi, Regina Coelis Kandekere, and Adebamigbe Alex Fasanmade, “Conceptual framework for enhancing front-end web performance: Strategies and best practices,” Global Journal of Advanced Research and Reviews, vol. 2, no. 1, pp. 099–107, Sep. 2024, doi: 10.58175/gjarr.2024.2.1.0032.
[15] D. M. Saputra, N. Angelia, and N. Yusliani, “Recommender System for Tourist Destinations in Indonesia Using Matrix Factorization Method,” JITSI : Jurnal Ilmiah Teknologi Sistem Informasi, vol. 5, no. 3, pp. 122–127, Oct. 2024, doi: 10.62527/jitsi.5.3.254.
