Sistem Rekomendasi Minuman di Kedai Kopi Kalpa Malang Menggunakan Metode Content Based Filtering dengan Algoritma Random Forest

Muzakki, Muchammad Imam and Arief Andy Soebroto, S.T., M.Kom. and Dr. Eng. Budi Darma Setiawan, S.Kom., M.Cs. (2024) Sistem Rekomendasi Minuman di Kedai Kopi Kalpa Malang Menggunakan Metode Content Based Filtering dengan Algoritma Random Forest. Sarjana thesis, Universitas Brawijaya.

Abstract

Pada era Sekarang kedai kopi merupakan salah satu bisnis yang banyak diminati oleh pelaku bisnis. Kedai kopi juga merupakan salah saru tempat yang sering dikunjungi segala kalangan umur untuk berbincang ringan dengan teman maupun melakukan rapat ataupun pertemuan. Era modern sekarang juga mempengaruhi minuman pada kedai kopi itu sendiri dimana pengaruh itu adalah variasi minuman yang ditawarkan menjadi lebih banyak, pengaruh itu tentunya kadang menimbulkan masalah dimana pengunjung sering merasa bingung untuk memilih minuman yang mereka inginkan. Kesalahan pengunjung dalam memilih minuman sering membuat mereka merasa kurang puas dan dapat mempengaruhi kedai kopi itu sendiri, dikarenakan dapat menyebabkan menurunnya jumlah penjualan. Oleh karena itu, dibutuhkannya sistem rekomendasi untuk menyelesaikan masalah tersebut, dibuatnya penelitian sistem rekomendasi menggunakan metode content based- fifiltering dengan algoritma random forest untuk memberikan rekomendasi minuman yang sesuai dengan refrensi pengunjung. Penelitian ini dilakukan dengan cara mengumpulkan data yang didapatkan melalui rekap pembukuan kedai kopi kalpa dan juga kuisioner kepada pengunjung yang datang, cleaning data, preprocessing data dimana dilakukannya perhitungan TF-IDF, perancangan training data dengan menggunakan algoritma random forest, hyperparameter tunning, dan juga human evaluator testing. setelah melakukan hyper parameter tunning akan mendapatkan hasil parameter yang terbaik untuk menambah nilai akurasi dari sistem rekomendasi tersebut dimana parameter terbaik tersebut ialah max_depth none, min_samples_leaf 1, min_samples_split 5, n_estimators 300. Hasil akhir dari penelitian ini berupa nilai akurasi, dimana nilai akurasi sebelum menggunakan parameter terbaik hanya sebesar 76% dan setelah menggunakan parameter terbaik bertambah 7% menjadi 83%.

English Abstract

In the current era, coffffee shops have become one of the bustling businesses pursued by entrepreneurs. Coffffee shops is also a place that is often visited by people from all age, whether for casual conversations, meetings, or gatherings. In this modern era, there are many variations of driks served by coffffee shop, the large number of variants also means there are many choices for visitor to choose. However, this many varation of choices sometimes causes problem where costumer often feel confused in making their drink selections. This confusion often leads to disappointment among customers who cannot enjoy their desired beverages. This can also impact the coffffee shop's business, potentially reducing the number of visitors due to unsatisfactory drink experiences. Therefore, a recommendation system is needed to solve this problem. To solve this problem, this research uses content-based fifiltering method with matrix factorization algorithm to suggest beverages that match to visitors' references. This research was carried out by collected data from Kalpa coffffee shop's records and also surveys among visitors, data cleaning and preprocessing were performed, including TF-IDF calculations, training data design using the random forest algorithm, hyperparameter tuning, and human evaluator testing. After hyperparameter tuning, the optimal parameters for enhancing the recommendation system's accuracy were determined: max_depth none, min_samples_leaf 1, min_samples_split 5, and n_estimators 300. The research culminated in accuracy metrics, showing that the accuracy rate improved by 7% from 76% to 83% when employing the best parameters.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150143
Uncontrolled Keywords:	Sistem Rekomendasi, Menu Kedai Kalpa, Content-Based Filtering, Random Forest, Tf- idf-Recommender System, Kalpa Cafe Menu, Content-Based Filtering, Random Forest, Tf- idf
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	26 Feb 2024 03:27
Last Modified:	26 Feb 2024 03:27
URI:	http://repository.ub.ac.id/id/eprint/215887

Text (DALAM MASA EMBARGO) Muchammad Imam Muzakki.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item