Indonesia memiliki keragaman destinasi wisata yang tinggi, namun wisatawan masih menghadapi kesulitan dalam memperoleh rekomendasi yang sesuai dengan preferensi dan karakteristik pribadi. Penelitian sebelumnya dalam sistem rekomendasi pariwisata masih memiliki keterbatasan, seperti ketergantungan pada data sintetis, kurangnya pemanfaatan data kontekstual, serta belum mengintegrasikan segmentasi demografis, sehingga rekomendasi yang dihasilkan kurang mampu merepresentasikan perbedaan preferensi antar wisatawan.

Penelitian ini mengembangkan sistem rekomendasi destinasi wisata menggunakan pendekatan weighted hybrid Collaborative Filtering (CF) dan Content-Based Filtering (CBF) berbasis implicit feedback, yang diperkuat dengan segmentasi demografis dan data kontekstual. Data yang digunakan terdiri dari data primer (kuesioner wisatawan) dan data sekunder (objek wisata, okupansi hotel, periode liburan, dan sentimen).

Hasil evaluasi menunjukkan bahwa model hybrid secara konsisten mengungguli metode tunggal. Pada skenario K=5, model mencapai Precision@5 = 0.175, Recall@5 = 0.860, F1@5 = 0.290, dan nDCG@5 = 0.801, dengan peningkatan signifikan terutama pada recall dan kualitas ranking.

Hasil ini menunjukkan bahwa sistem mampu menghasilkan rekomendasi yang lebih akurat, personal, dan kontekstual, serta efektif dalam mengatasi permasalahan cold-start dan sparsity.