Recommendation System Hotel dengan Pendekatan Collaborative Filtering menggunakan Metode Light Graph Convolution Network (Lightgcn) (Studi Kasus : Hotel di Bali Dari Website Traveloka)

Abstract

Sektor pariwisata di Indonesia memiliki peran penting terhadap pertumbuhan ekonomi. Salah satu provinsi yang menjadi wisata popular di Indonesia adalah Provinsi Bali. Berdasarkan databoks dihimpun Badan Pusat Statistik (BPS) melalui Passenger Exit Survey 2022 menunjukkan bahwa proporsi tujuan Bali mencapai 46.72% dari seluruh kunjungan wisatawan mancanegara. Penting untuk membantu pengunjung dalam menemukan akomodasi yang sesuai. Salah satu akomodasi yang dibutuhkan adalah hotel. Pemilihan akomodasi yang sesuai dengan preferensi pengunjung menjadi hal yang krusial, sehingga diperlukannya sistem rekomendasi untuk mempermudah para wisatawan. Sistem rekomendasi ini akan memberikan kemudahan serta pengalaman wisata bagi para pengunjung serta dapat mendukung perkembangan industri pariwisata. Oleh karena itu, Recommendation system dengan metode graph neural network menjadi pendekatan yang menarik dalam pengembangan sistem rekomendasi dimana membantu dalam memodelkan hubungan kompleks antara pengguna, item, dan faktor-faktor lainnya. Peneliti menggunakan salah satu metode dalam graph neural network yaitu LightGCN (light graph convolution network) yang bertujuan dalam mempelajari representasi grafik dalam tingkatan user dan item. Representasi ini diterapkan pada data user item hotel yang ada di Bali berdasarkan hasil scraping pada website Traveloka.com. Dataset yang digunakan sejumlah 200 data hotel dengan 2000 data user. Dataset ini dibagi dalam 80% training, 10% evaluating, dan 10% testing. Dalam penelitian ini didapatkan hasil evaluasi dalam data penujian dengan roc auc sebesar 81% dengan ndcg seesar 17.21%.