Implementasi Hybrid Filtering (Collaborative dan Content Based) untuk Rekomendasi Kedai Kopi

Abstrak

Perkembangan pesat usaha kedai kopi di Majene menyebabkan konsumen sulit menentukan pilihan kedai kopi yang sesuai dengan preferensi mereka. Kurangnya informasi dan banyaknya pilihan membuat proses pemilihan menjadi tidak efektif. Selain itu, penggunaan Google Maps dan media sosial lainnya sering kali hanya menampilkan kedai yang populer atau memiliki banyak ulasan, sehingga tidak mampu merekomendasikan kedai kopi yang sesuai dengan preferensi personal pengguna, khususnya di daerah dengan keterbatasan interaksi digital seperti Majene. Untuk mengatasi masalah ini, penelitian ini mengembangkan teknologi rekomendasi kedai kopi menggunakan pendekatan hybrid filtering, yaitu penggabungan metode collaborative filtering dan content-based filtering. Data dikumpulkan melalui kuesioner dan wawancara, kemudian dianalisis menggunakan metode adjusted cosine similarity dan weighted sum untuk collaborative filtering, serta TF-IDF dan cosine similarity untuk content based filtering. Hasil dari kedua metode digabungkan menggunakan pembobotan tetap untuk menghasilkan skor rekomendasi akhir. Evaluasi sistem dilakukan dengan metrik Precision@5 pada 10 pengguna yang memenuhi kriteria. Hasilnya, pendekatan hybrid menunjukkan precision  tertinggi sebesar 0,92, mengungguli metode tunggal collaborative (0,76) dan content-based filtering (0,82). pendekatan hybrid terbukti meningkatkan kualitas rekomendasi sesuai preferensi pengguna.