Implementasi Content-Based Filtering untuk Rekomendasi Kafe Berdasarkan Konsep Ruang di Yogyakarta

Abstract

Pertumbuhan kafe di Kota Yogyakarta memberikan banyak alternatif tempat untuk belajar, bekerja, melakukan rapat, dan bersosialisasi. Namun, informasi mengenai konsep ruang indoor, outdoor, dan fasilitas pendukung masih tersebar pada peta daring, media sosial, serta ulasan pengguna yang tidak terstruktur. Penelitian ini mengembangkan sistem rekomendasi kafe berbasis web menggunakan metode Content-Based Filtering dan algoritma Cosine Similarity untuk mencocokkan preferensi pengguna dengan atribut kafe. Penelitian dilaksanakan melalui tahapan identifikasi masalah, studi literatur, pengumpulan data, validasi atribut, perancangan sistem, implementasi, dan pengujian. Pengumpulan data dilakukan melalui observasi lapangan, Google Maps, dan media sosial. Dataset akhir terdiri atas 50 kafe, 20 atribut fasilitas, serta 218 relasi kafe–fasilitas. Preferensi pengguna dan profil kafe direpresentasikan sebagai vektor biner berdimensi 20, kemudian dihitung tingkat kemiripannya dan diurutkan dari nilai tertinggi. Pengujian dilakukan menggunakan black-box testing dan Playwright. Seluruh fungsi utama rekomendasi dan administrasi dapat dijalankan sesuai kebutuhan. Tiga skenario pengujian otomatis memperoleh status berhasil dengan waktu eksekusi 16,8 detik. Pengujian komparatif menghasilkan rata-rata similarity sebesar 0,3682 untuk atribut indoor, 0,2379 untuk outdoor, dan 0,4286 untuk gabungan. Skenario gabungan menghasilkan rata-rata tertinggi sehingga kombinasi atribut ruang dan fasilitas memberikan rekomendasi yang lebih representatif. Sistem juga dapat menangani kafe baru tanpa membutuhkan riwayat penilaian pengguna.