SISTEM REKOMENDASI PENGEMBANGAN COLLABORATIVE FILTERING MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK REKOMENDASI TEMPAT RESTORAN

Perkembangan teknologi komputer dapat memudahkan pengguna untuk menentukan pilihan, terlebih lagi dalam dunia kuliner. Pilihan yang ditawarkan seringkali membuat pengguna tidak dapat menentukan pilihan, karena banyaknya pilihan barang atau produk yang ditawarkan. Untuk mengatasi hal tersebut seringkali pengguna membutuhkan sistem rekomendasi untuk menentukan pilihannya. Sistem rekomendasi yang paling tepat yaitu sistem rekomendasi hybrid aproaches yang menggabungkan beberapa metode rekomendasi. Deep Neural Network (DNN) dapat mengatasi masalah sistem rekomendasi seperti sparsity data dan cold-start salah satu algoritma yang dapat digunakan yaitu Convolutional Neural Network (CNN). Arsitektur model yang digunakan yaitu pengembangan CF menggunakan algoritma CNN. Pendekatan CNN digunakan karena pada penelitian sebelumnya model CNNCF dalam pengujian mendapatkan nilai akurasi paling tinggi dalam menentukan rekomendasi dan mendapatkan nilai eror paling rendah daripada model lainnya yang diukur menggunakan Root Mean Squared Error (RMSE). Hasil eksperimen menunjukan bahwa permasalahan yang ada pada sistem rekomendasi yaitu sparsitas data menyebabkan data mengalami overfitting dan model mendapatkan nilai RMSE yang tinggi. Untuk meminimalisir overfitting dengan menerapkan l2 regularization pada model. Hasil eksperimen menunjukan bahwa model terbaik yaitu dengan menerapkan L2 Regularization mendapatkan nilai RMSE sebesar 1.179397. Sedangkan. penanganan permasalahan pada cold-start diatasi dengan pendekatan hybrid pada metode rekomendasi, dimana melakukan penambahan atribut sebagai inputan didalamnya untuk mendapatkan informasi yang lebih mendetail mengenai pengguna dan restoran. Hal ini bertujuan untuk mendapatkan hasil rekomendasi CF yang lebih akurat dan personal.