Klik di sini untuk melihat video penelitian

Industri pariwisata memiliki beragam pilihan destinasi yang dapat disesuaikan dengan kebutuhan dan preferensi setiap wisatawan. Namun, tingginya keragaman destinasi di Indonesia juga menjadi tantangan dalam menyediakan rekomendasi yang relevan secara personal. Wisatawan membutuhkan sistem yang tidak hanya mampu memberikan rekomendasi berdasarkan riwayat preferensi, tetapi juga mempertimbangkan karakteristik destinasi dan kondisi kontekstual yang dapat memengaruhi pilihan perjalanan.

Berangkat dari permasalahan tersebut, Clarissa Kitti, di bawah bimbingan Dr. Devi Fitrianah, S.Kom., M.T.I., melakukan penelitian mengenai pengembangan sistem rekomendasi destinasi wisata yang lebih personal dan kontekstual. Penelitian ini mengusulkan pendekatan weighted hybrid Collaborative Filtering (CF) dan Content-Based Filtering (CBF) untuk menggabungkan informasi mengenai preferensi pengguna dengan karakteristik destinasi wisata.

Untuk meningkatkan personalisasi rekomendasi, penelitian ini menerapkan segmentasi demografis menggunakan K-Prototypes. Pendekatan tersebut memungkinkan sistem mempertimbangkan karakteristik pengguna dalam menghasilkan rekomendasi. Selain itu, penelitian ini mengintegrasikan berbagai data kontekstual, termasuk okupansi hotel, musim liburan, dan sentimen wisatawan, sehingga rekomendasi dapat disesuaikan dengan kondisi yang lebih luas.

Hasil evaluasi menunjukkan bahwa pendekatan hibrida mampu meningkatkan kualitas rekomendasi dibandingkan penggunaan metode tunggal. Performa sistem juga semakin optimal setelah data kontekstual ditambahkan ke dalam proses rekomendasi. Hal ini menunjukkan bahwa penggabungan berbagai sumber informasi dapat membantu sistem menghasilkan rekomendasi yang lebih relevan terhadap kebutuhan wisatawan.

Penelitian ini juga menunjukkan potensi pendekatan hibrida dalam mengatasi dua permasalahan umum pada sistem rekomendasi, yaitu cold-start dan sparsity. Dengan memanfaatkan kombinasi data preferensi, karakteristik pengguna, karakteristik destinasi, serta informasi kontekstual, sistem dapat menghasilkan rekomendasi yang lebih personal meskipun informasi mengenai pengguna atau destinasi masih terbatas.

Temuan tersebut menunjukkan bahwa integrasi Collaborative Filtering, Content-Based Filtering, segmentasi demografis, dan data kontekstual dapat menjadi pendekatan yang efektif dalam mengembangkan sistem rekomendasi destinasi wisata. Pendekatan ini berpotensi mendukung pengalaman wisata yang lebih personal sekaligus membantu wisatawan menemukan destinasi yang sesuai dengan preferensi dan kondisi perjalanan mereka.

Lihat video penelitian selengkapnya di Instagram:
https://www.instagram.com/reel/DW8o2FqkesN/?utm_source=ig_web_copy_link&stkn=MzRlODBiNWFlZA==