NEIGHBOUR UNTUK SISTEM REKOMENDASI PARIWISATA
SKRIPSI
NURUL HAYATI 071402048
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
NEAREST NEIGHBOUR UNTUK SISTEM REKOMENDASI PARIWISATA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi
NURUL HAYATI 071402048
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : METODE HYBRID (CONTENT DAN
COLLABORATIVE BASED) NEAREST NEIGHBOR UNTUK SISTEM REKOMENDASI PARIWISATA
Kategori : SKRIPSI
Nama : NURUL HAYATI
Nomor Induk Mahasiswa : 071402048
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Desember 2011 Komisi Pembimbing : Pembimbing 2 Pembimbing 1
Sajadin Sembiring S.Si, M.Sc Prof.Dr.Muhammad Zarlis NIP. 19570701 198601 1003
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
Prof. Opim Salim Sitompul, M.Sc NIP 19610817 198701 1001
PERNYATAAN
METODE HYBRID (CONTENT DAN COLLABORATIVE BASED) NEAREST NEIGHBOR UNTUK SISTEM REKOMENDASI
PARIWISATA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Desember 2011
Nurul Hayati 071402048
PENGHARGAAN
Alhamdulillah, puji dan syukur penulis panjatkan kehadirat Allah SWT, serta shalawat dan salam kepada junjungan kita nabi Muhammad SAW, karena atas berkah, rahmat dan hidayahnya penulis dapat menyelesaikan penyusunan skripsi ini. Ucapan terima kasih yang tidak terhingga kepada Allah SWT yang selalu membimbing dan mengajarkan saya akan pentingnya kesabaran dan tanggung jawab selama penyusunan skripsi ini.
Dalam penulisan skripsi ini penulis banyak mendapatkan bantuan serta dorongan dari pihak lain. Dalam kesempatan ini dengan segala kerendahan hati, penulis mengucapka terima kasih kepada:
1. Kedua orang tua penulis, yaitu Ayahanda Alm. H. Mahyuddin Tanjung yang saya yakin beliau bersama Allah selalu memberikan doa dan dukungannya dimanapun beliau berada serta Ibunda saya Hj. Yusnaini Yatim, BA yang telah terus menerus mengasihi, membimbing dan terus mendukung penulis di dalam doa beliau sehingga dapat menyelesaikan skripsi ini. Serta kepada kakak-kakak saya Noni Amini, S.H, M.Si, Dwi Handayani S.E, Nina Triana S.E,A.k, Ade Patriani dan drh.Nani Limarni dan abang-abang ipar saya Hendra Syarbaini, S.H, M.H, Zulwardi Raz, S.E, M.BA, Normansyah Simorangkir, S.T, S.E dan drh. Angky Tundun Santoso yang telah memberikan dukungan moril maupun materil kepada penulis selama ini, dan seluruh keluarga besar atas perhatiannya dan dukungannya kepada penulis.
2. Ibu saya Bonita Wilson yang selalu memberikan dukungan, masukan dan doanya kepada penulis. Thank you so much Mom, finally I can do it.
3. Ketua Program Studi Teknologi Informasi, Bapak Prof. Opim Sitompul, M.Sc dan Sekretaris Program Studi Teknologi Informasi juga selaku dosen pembanding Bapak Drs. Sawaluddin, M.IT, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Program Studi Teknologi Informasi dan pegawai di Teknologi Informasi Ibu Delima Harahap, Ibu Bamelia, Kak Maya Sofia, S.Kom, Kak Naumi Syah, Amd, Kak Wardah Chairani, S.E dan Bang Faisal.
4. Bapak Prof. Dr. Muhammad Zarlis dan Sajadin Sembiring, S.Si, M.Sc selaku dosen pembimbing penulis yang telah meluangkan waktu, tenaga dan pikiran untuk menyelesaikan skripsi ini.
5. Bapak M. Fadly Syahputra, B.Sc., M.Sc.IT selaku dosen pembanding yang telah banyak memberikan petunjuk, saran dan kritik dalam menyelesaikan skripsi ini
6. Teman-teman mahasiswa Teknologi Informasi stambuk 2007 terutama untuk Boy Utomo Manalu,Tika Yunita, Shifa Sihotang, Adinda Reni dan Lia Silviana serta para penghuni ruang A-13 lantai 3 Polin Pardede, Erlin Umar Dani, M.Fadli, Musyafa Hutagalung, Bambang Kurniawan, Andreni Menovita Ginting, Agustina Manurung, Sabrina Simorangkir dan Ridha Apriani atas bantuan, masukkan, motivasi, hiburan dan kerjasamanya. Semangat teman-teman dan yakin kita bisa.
Dalam penyusunan skripsi ini penulis menyadari bahwa masih banyak kekurangan, untuk itu penulis mengharapkan saran dan kritik yang bersifat membangun dari semua pihak demi kesempurnaan skripsi ini.
Akhir kata penulis mengharapkan semoga skripsi ini dapat bermanfaat dan membantu semua pihak yang memerlukannya.
ABSTRAK
Sistem rekomendasi merupakan suatu aplikasi untuk menyediakan dan merekomendasikan suatu item dalam membuat suatu keputusan yang diinginkan oleh pengguna. Metode hybrid (content dan collaborative based) nearest neighbor dibuat untuk mengatasi kekurangan yang terdapat pada metode content dan collaborative. Pada skripsi ini akan dijelaskan bagaimana metode hybrid nearest neighbor dengan menggunakan algoritma nearest neighbor berdasarkan preferensi dan rating yang diberikan untuk menghasilkan suatu rekomendasi daerah wisata. Skripsi ini menggunakan data yang diperoleh dari database pemerintah daerah wisata kabupaten Serdang Bedagai. Algoritma nearest neighbor digunakan untuk menganalisis data dengan mencari kesamaan dan kedekatan kasus baru dengan kasus lama berdasarkan bobot preferensi yang dipilih oleh pengguna. Hasil dari penelitian ini menghasilkan sebuah sistem rekomendasi wisata berbasis web menggunakan bahasa pemrograman PHP dan database MySQL dan juga menunjukkan bahwa keunggulan pendekatan metode hybrid nearest neighbor tidak memerlukan data inputan dan rating awal sebagai dasar untuk mendapatkan rekomendasi.
Kata Kunci: sistem rekomendasi; content-based filtering; collaborative based filtering; nearest neighbor.
HYBRID METHODS OF (CONTENT AND COLLABORATIVE BASED) NEAREST NEIGHBOR FOR TOURISM RECOMMENDATION SYSTEM
ABSTRACT
A recommendation system is an application to provide and recommend item to make desired decision by the user. Hybrid method (content-based and collaborative) nearest neighbor is proposed to solve content and collaborative based method shortcomings. In this study explains about how the hybrid method with nearest neighbor algorithm based on the preference and rating for tourism area can be applied to provide a tourism recommendation. The data in this study was taken from database government of Serdang Bedagai regency tourism area. Nearest neighbor algorithm works based on the similarity of weight preference distance between new user and old user. The result of this paper are a web-based system to recommendation the tourism area using PHP programming language and MySQL for database and to present the hybrid method nearest neighbor does not require the first input of the data and rating as a basis to get recommendation.
Keywords: recommendation system; content-based filtering; collaborative based filtering; nearest neighbor.
DAFTAR ISI Halaman Persetujuan ii Pernyataan iii Penghargaan iv Abstrak vi Abstract vii
Daftar Isi viii
Daftar Tabel xi
Daftar Gambar xii
Bab 1 PENDAHULUAN 1 1.1. Latar Belakang 1 1.2. Rumusan Masalah 3 1.3. Batasan Masalah 3 1.4. Tujuan Penelitian 4 1.5. Manfaat penelitian 4 1.6. Metode Penelitian 4 1.7. Sistematika Penulisan 6
Bab 2 LANDASAN TEORI 7
2.1 Sistem Rekomendasi 7
2.1.1. Content-based recommendation 8 2.1.2. Collaborative-based recommendation 9 2.1.3. Hybrid-based recommendation 11 2.2. Proses Pengambilan Keputusan pada tujuan wisata 14 2.3. Algortima Nearest Neighbor 16
2.5. Unified Modeling Language 17
2.5.1. Diagram use case 19
2.5.2. Use case spesifikasi 20
2.5.3. Diagram Sekuen 21
2.5.4. Diagram Aktivitas 22
2.6. Bahasa Pemrograman PHP 24
Bab 3 ANALISIS DAN PERANCANGAN SISTEM 27
3.1 Analisis Masalah 27
3.2 Analisis Penyelesaian Masalah 28 3.2.1. Proses Metode Content-based Filtering 29 3.2.2. Proses Metode Collaborative Filtering 35
3.3 Analisis Sistem 37
3.3.1. Item 37
3.3.2. User 38
3.3.3. Transaksi 38
3.4 Analisis Komponen Perangkat Lunak 40 3.5 Perancangan Sistem Rekomendasi 42
3.5.1. Diagram Use case 42
3.5.2. Model Spesifikasi Use case 43 3.5.3. Model Interaksi Diagram Sequence 49
3.5.4. Kelas Diagram 57
3.5.5. Diagram Aktivitas 58
3.6. Perancangan Antarmuka Sistem 61 3.6.1. Struktur Menu Program 62 3.6.2. Perancangan Tampilan 62 3.7. Flowchart Perhitungan Similiarity dengan menggunakan
Nearest Neighbor 69
3.8. Flowchart Gabungan Algoritma Nearest Neighbor dan Euclidean 70 3.9. Flowchart Sistem 71
Bab 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 72
4.1. Implementasi Sistem 72
4.2 Pengujian Sistem 73
4.3. Tampilan Halaman Seluruh Sistem 85 4.3.1. Halaman Utama (Beranda) 85
4.3.2. Halaman Menu Daftar 87
4.3.3. Halaman Menu Lokasi Wisata 89 4.3.4. Halaman Menu Rekomendasi Wisata 90 4.3.5. Halaman Rencana Tujuan Wisata 96
Bab 5 KESIMPULAN DAN SARAN 98
5.1. Kesimpulan 98
5.2. Saran 98
DAFTAR PUSTAKA 99
DAFTAR TABEL
Halaman
Tabel 2.1 Collaborative-based recommendation 10 Tabel 2.2 Elemen-elemen Sequence Diagram 21 Tabel 2.3 Simbol Aktivitas Diagram 24
Tabel 3.1 Bobot Variabel 30
Tabel 3.2 Kedekatan Nilai Atribut Daerah Wisata 31 Tabel 3.3 Kedekatan Nilai Atribut Jenis Perjalanan 31 Tabel 3.4 Kedekatan Nilai Atribut Jenis Liburan 31 Tabel 3.5 Kedekatan Nilai Atribut Gaya Liburan 32
Tabel 3.6 Tabel Kasus User 32
Tabel 3.7 Preferensi Atribut Item 39
Tabel 3.8 Rating Sistem Rekomendasi untuk Metode Collaborative 39 Tabel 3.9 Spesifikasi Use case Member Lihat Daerah Wisata 44 Tabel 3.10 Spesifikasi Use case Member Pilih Menu Rekomendasi Wisata 44 Tabel 3.11 Spesifikasi Use case Member Lihat History (Rencana Tujuan Wisata) 46 Tabel 3.12 Spesifikasi Use case Member Login 47 Tabel 3.13 Spesifikasi Use case Member Registrasi 47 Tabel 3.14 Spesifikasi Use case Tamu Lihat Daerah Wisata 48 Tabel 3.15 Spesifikasi Use case Tamu Registrasi 49 Tabel 4.1 Bentuk Pengujian Sistem 73 Tabel 4.2 Hasil pengujian registrasi UC-1 74 Tabel 4.3 Hasil pengujian login UC-2 76 Tabel 4.4 Hasil pengujian lihat daerah wisata UC-3 77 Tabel 4.5 Hasil pengujian pilih rekomendasi wisata UC-4 79 Tabel 4.6 Hasil pengujian rating dan pendapat UC-5 82 Tabel 4.7 Hasil pengujian melihat history UC-6 84
DAFTAR GAMBAR
Halaman
Gambar 2.1 Klasifikasi Sistem Rekomendasi 8 Gambar 2.2 Model hubungan entitas dalam content-based filtering 9 Gambar 2.3 Model hubungan entitas dalam collaborative-based filtering 11
Gambar 2.4 Kombinasi Linier 12
Gambar 2.5 Kombinasi Sekuensial 12
Gambar 2.6 Item-based Clustering Hybrid Method 12 Gambar 2.7 Model hubungan entitas dalam hybrid system 13 Gambar 2.8 Proses Pengambilan Keputusan Pada Area Pariwisata 15 Gambar 2.9 Bagian-bagian Proses Pengambilan Keputusan Pada Tujuan Wisata 15 Gambar 2.10 Aktor-aktor use case 19
Gambar 2.11 Aktor dan use case 19
Gambar 2.12 Aktor, use case dan keterhubungan 20
Gambar 2.13 Diagram Aktivitas 23
Gambar 3.1 Kombinasi Sekuensial 29 Gambar 3.2 Arsitektur Sistem 40 Gambar 3.3 Arsitektur Mesin Rekomendasi 41
Gambar 3.4 Diagram Use case 43
Gambar 3.5 Diagram Sequence User Member Lihat Lokasi Wisata 50 Gambar 3.6 Diagram Sequence User Member Pilih Rekomendasi Wisata 51 Gambar 3.7 Diagram Sequence User Member Lihat History 52 Gambar 3.8 Diagram Sequence User Member Login 53 Gambar 3.9 Diagram Sequence User Member Registrasi 54 Gambar 3.10 Diagram Sequence Tamu Lihat lokasi wisata 55 Gambar 3.11 Diagram Sequence Tamu Registrasi 56
Gambar 3.12 Kelas Diagram 57
Gambar 3.13 Diagram Aktivitas Lihat Lokasi Wisata 58 Gambar 3.14 Diagram Aktivitas Login 59
Gambar 3.15 Diagram Aktivitas Registrasi 60 Gambar 3.16 Diagram Aktivitas Rekomendasi Wisata 61
Gambar 3.17 Struktur Menu Program 62
Gambar 3.18 Rancangan Tampilan Menu Utama 63
Gambar 3.19 Rancangan Form Daftar 63
Gambar 3.20 Rancangan Tampilan Lokasi Wisata 64 Gambar 3.21 Rancangan Tampilan Rekomendasi Wisata 65 Gambar 3.22 Rancangan Tampilan Hasil Rekomendasi Wisata 66 Gambar 3.23 Tampilan Form Tujuan Wisata telah disimpan 67 Gambar 3.24 Tampilan Halaman Rencana Tujuan Wisata 68 Gambar 3.25 Flowchart Perhitungan Similarity Nearest Neighbor 69 Gambar 3.26 Flowchart Gabungan Algortima Nearest Neighbor dan Euclidean 70
Gambar 3.27 Flowchart Sistem 71
Gambar 4.1 Halaman menu daftar 74
Gambar 4.2 Tampilan Pemberitahuan Pendaftaran Berhasil 75
Gambar 4.3 Database Anggota 75
Gambar 4.4 Halaman Login 76
Gambar 4.5 Halaman Utama setelah login 77 Gambar 4.6 Tampilan Menu Lokasi Wisata 78
Gambar 4.7 Database lokasi wisata 79
Gambar 4.8 Tampilan Menu Rekomendasi Wisata 89 Gambar 4.9 Tampilan hasil rekomendasi wisata 81 Gambar 4.10 Database preferensi pengguna 81 Gambar 4.11 Pemberian rating pada daerah wisata 83 Gambar 4.12 Pemberian pendapat terhadap daerah wisata 83
Gambar 4.13 Database rating 84
Gambar 4.14 Databae opini 84
Gambar 4.15 Tampilan rencana tujuan wisata 85
Gambar 4.16 Halaman Beranda 86
Gambar 4.17 Halaman Login 87
Gambar 4.18 Halaman Utama setelah login 87
Gambar 4.19 Menu Daftar 88
Gambar 4.21 Tampilan Menu Daftar Setelah login 88 Gambar 4.22 Tampilan Pemberitahuan User ID telah ada 89 Gambar 4.23 Tampilan Menu Lokasi Wisata 90 Gambar 4.24 Tampilan Menu Rekomendasi Sebelum Login 91 Gambar 4.25 Tampilan Menu Rekomendasi Wisata 91 Gambar 4.26 Tampilan Hasil Rekomendasi 92 Gambar 4.27 Tampilan Pemilihan Hasil Rekomendasi 93 Gambar 4.28 Tampilan Pemberian Opini 94 Gambar 4.29 Tampilan Pemberitahuan Opini Berhasil ditambahkan 95 Gambar 4.30 Tampilan Halaman Kembali 95 Gambar 4.31 Tampilan Rencana Tujuan Wisata Sebelum Login 96 Gambar 4.32 Tampilan Halaman Rencana Tujuan Wisata 96 Gambar 4.33 Tampilan Pemberitahuan Penghapusan data 97 Gambar 4.34 Tamplan Rencana Tujuan Wisata setelah data dihapus 97
