Sistem Rekomendasi Restoran Halal Berbasis Collaborative Filtering dan Autoencoder

Abstract

Sistem rekomendasi memainkan peran penting dalam membantu pengguna membuat keputusan, termasuk dalam memilih restoran. Namun, banyaknya pilihan restoran seringkali membuat masyarakat kebingungan, terutama bagi masyarakat Muslim yang membutuhkan kepastian terkait status halal dari restoran yang dikunjungi. Kekhawatiran ini muncul terutama ketika mereka berada di wilayah mayoritas non-Muslim, di mana restoran halal dan non-halal seringkali bercampur. Penelitian ini bertujuan untuk membangun sistem rekomendasi restoran halal dengan menggunakan metode hybrid filtering yang menggabungkan collaborative filtering dan autoencoder, serta penggunaan cosine similarity untuk menghitung kemiripan antar pengguna. Penelitian ini dimulai dengan pengumpulan dataset yang terdiri dari 7.030 data restoran yang diperoleh melalui proses scraping dari situs Google Maps. Data ini kemudian diproses melalui tahapan pemfilteran, perhitungan cosine similarity, dan penerapan metode collaborative filtering serta autoencoder. Sistem yang dihasilkan diharapkan dapat memberikan rekomendasi yang lebih akurat dan relevan berdasarkan preferensi dan minat pengguna. Evaluasi sistem yang dilakukan menggunakan metrik Root Mean Square Error (RMSE) menghasilkan nilai rendah. Namun, penggunaan teknik overlap dalam pembagian data menyebabkan nilai RMSE tampak lebih baik dari performa sebenarnya karena data pengujian menjadi terlalu mirip dengan data pelatihan. Meskipun belum teruji pada data yang beragam, sistem tetap dapat menghasilkan rekomendasi restoran kepada pengguna, sehingga dapat membantu pengguna, khususnya masyarakat Muslim, dalam membuat keputusan yang lebih tepat terkait pilihan restoran.