Sistem Rekomendasi Menu pada Restoran Takomari dengan Metode Algoritma Item-Based Collaborative Filtering

Deni Juli Setiawan, Alusyanti Primawati, Sutrisno Sutrisno

Abstract


Penelitian ini dilatarbelakangi oleh penurunan jumlah pelanggan di Restoran Takomari yang disebabkan oleh operasional yang kurang efisien, yang mengakibatkan antrean panjang dan kesalahan pencatatan. Tujuan penelitian adalah merancang sistem pemesanan berbasis website yang mampu meningkatkan efisiensi serta mengimplementasikan algoritma rekomendasi untuk meningkatkan kepuasan pelanggan. Metode yang digunakan adalah pendekatan kuantitatif dengan menerapkan algoritma Item-Based Collaborative Filtering. Algoritma ini bekerja dengan menganalisis data riwayat rating pesanan pelanggan untuk menghitung kemiripan antar menu menggunakan Cosine Similarity dan kemudian memprediksi preferensi pengguna melalui formula weighted sum. Hasil penelitian ini adalah sebuah sistem fungsional yang berhasil mengotomatisasi proses pemesanan secara menyeluruh. Temuan utamanya adalah validasi implementasi algoritma yang mampu menghasilkan daftar rekomendasi menu yang relevan dan dipersonalisasi secara akurat berdasarkan pola pemesanan sebelumnya. Sistem ini memberikan dampak signifikan terhadap peningkatan efisiensi operasional dan akurasi data bagi restoran, serta meningkatkan pengalaman pelanggan melalui layanan yang lebih cepat dan personal, yang berpotensi mendorong loyalitas dan mengatasi penurunan jumlah pengunjung


Keywords


Sistem Rekomendasi Menu; Item-Based Collaborative Filtering; Hypertext Preprocessor; Restoran

References


Ben-Shimon, D., Rokach, L., Shapira, B., & Shani, G. (2015). Fast Item-Based Collaborative Filtering. ICAART 2015 - 7th International Conference on Agents and Artificial Intelligence, Proceedings, 2, 457–463. https://doi.org/10.5220/0005227104570463

Fathur Bahri, A., Budiman, A., & Pamungkas, N. B. (2022). Sistem Informasi Manajemen Reservasi Restoran dan Penyewaan Ruangan Berbasis Mobile (Studi Kasus: Begadang Resto). Jurnal Teknologi dan Sistem Informasi (JTSI), 3(4), 28–33. https://doi.org/https://doi.org/10.33365/jtsi.v3i4.959

Hermiati, R., Asnawati, & Kenedi, I. (2021). Pembuatan E-Commerce pada Raja Komputer Menggunakan Bahasa Pemrograman PHP dan Database MySQL. Jurnal Media Informasi, 17, 54–66.

Jayadi, E., Mulyawan, B., & Lauro Dolok, M. (2021). Implementasi Metode Collaborative Filtering untuk Analisis Data Belanja Konsumen Berbasis Website (Studi Kasus Restoran MyKitchen). 57–61. https://doi.org/https://doi.org/10.24912/jiksi.v9i1.11559

Permana, K. E. (2024). Comparison of User Based and Item Based Collaborative Filtering in Restaurant Recommendation System. Mathematical Modelling of Engineering Problems, 11(7), 1922–1928. https://doi.org/10.18280/mmep.110723

Sidik, A., Nurmaesah, N., & Carsoyo, Y. (2023). Sistem Rekomendasi Wisata Kuliner di BSD untuk Menaikan Rating Penjualan dengan Metode Item-Based Collaborative Filtering. Academic Journal of Computer Science Research, 5(1), 26.

Sugiyono. (2019). Metode penelitian kuantitatif kualitatif dan R & D (Ed. 2 ; Cet. 1). Alfabeta.

Zhang, H., Ganchev, I., Nikolov, N. S., & O’Droma, M. (2016). A Trust-Enriched Approach for Item-Based Collaborative Filtering Recommendations. 2016 IEEE 12th International Conference on Intelligent Computer Communication and Processing (ICCP), 65–68. https://doi.org/10.1109/ICCP.2016.7737124




DOI: https://doi.org/10.30998/semnasristek.v10i1.8512

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: