Sistem Rekomendasi Pariwisata Madura Menggunakan Pendekatan Explainable Dengan Metode Term Frequency-inverse Document Frequency (tf-idf) Dan Cosine Similarity

Pulau Madura memiliki potensi pariwisata yang beragam, namun banyaknya destinasi wisata dan informasi yang tersebar pada ulasan Google Maps menyulitkan wisatawan dalam menentukan tujuan sesuai preferensinya. Selain itu, sebagian besar sistem rekomendasi belum mampu memberikan penjelasan mengenai alasan suatu destinasi direkomendasikan. Penelitian ini mengembangkan sistem rekomendasi pariwisata Madura menggunakan metode Term FrequencyrnInverse Document Frequency (TF-IDF) dan Cosine Similarity dengan pendekatan Explainable Recommendation. Data penelitian diperoleh melalui web scraping Google Maps yang menghasilkan 16.215 ulasan dari 63 destinasi wisata yang dikelompokkan ke dalam 6 kategori, kemudian digabungkan menjadi 63 dokumen destinasi. Data diproses melalui tahapan cleaning, case folding, normalization, tokenizing, dan stopword removal. TF-IDF digunakan untuk pembobotan kata, sedangkan Cosine Similarity digunakan untuk menghitung tingkat kemiripan antara preferensi pengguna dan dokumen ulasan. Hasil penelitian menunjukkan bahwa sistem berhasil memberikan tiga rekomendasi destinasi wisata yang relevan berdasarkan preferensi pengguna dengan nilai Cosine Similarity tertinggi. Evaluasi menggunakan Precision pada enam skenario pengujian menghasilkan nilai rata-rata 94,4%, sedangkan pengujian black box menunjukkan seluruh fungsi sistem berjalan dengan baik. Selain itu, Explainable Recommendation memberikan penjelasan berdasarkan kesamaan kata sehingga hasil rekomendasi menjadi lebih transparan dan mudah dipahami.