<![CDATA[Pertumbuhan pesat pilihan kuliner di Yogyakarta meningkatkan kompleksitas bagi pengguna dalam menentukan tempat makan yang sesuai. Kondisi ini menuntut adanya sistem rekomendasi yang mampu memberikan saran yang relevan dan terpersonalisasi. Penelitian ini mengusulkan pendekatan hybrid yang mengintegrasikan Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Content-Based Filtering (CBF) berbasis Skip-Gram. Pendekatan ini menggabungkan pola interaksi pengguna dengan representasi semantik dari deskripsi kuliner untuk meningkatkan kualitas rekomendasi. Eksperimen dilakukan pada dataset yang terdiri dari 138 pengguna, 130 item, dan 1161 interaksi, yang menghasilkan matriks interaksi dengan tingkat sparsity tinggi. Evaluasi dilakukan menggunakan metrik Precision@K, Recall@K, dan NDCG@K. Hasil menunjukkan bahwa model hybrid secara konsisten mengungguli metode tunggal. Performa terbaik diperoleh pada α = 0.85 dengan Precision@10 sebesar 0.0339, Recall@10 sebesar 0.3388, dan NDCG@10 sebesar 0.1459. Temuan ini menunjukkan bahwa integrasi informasi berbasis interaksi dan konten mampu mengatasi keterbatasan data yang jarang serta meningkatkan relevansi rekomendasi. Model hybrid tidak hanya meningkatkan kemampuan dalam menemukan item yang relevan, tetapi juga memperbaiki kualitas ranking dengan menempatkan item relevan pada posisi yang lebih tinggi. Pendekatan ini efektif untuk sistem rekomendasi kuliner, khususnya pada kondisi data yang terbatas dan heterogen.]]>
Copyrights © 2026
