Tugas Pendahuluan Proyek Akhir

Chatbot Perekomendasi Tempat Makan dengan Metode Content Based Filtering

Nia Shafira 2110161011

D4 TEKNIK INFORMATIKA
TEKNIK INFORMATIKA DAN KOMPUTER
POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
2019
A. JUDUL PROYEK AKHIR

Chatbot Perekomendasi Tempat Makan dengan Metode Content Based Filtering

B. PENDAHULUAN

Saat ini tempat penyaji makanan sudah tersebar di berbagai daerah dan
menyediakan beraneka ragam makanan. Hal tersebut dijadikan sebagai objek untuk
berwisata yang bisa disebut wisata kuliner. Karena banyak pilihan tempat wisata kuliner
yang dapat dikunjungi, seringkali menyebabkan manusia bingung untuk mengunjungi
tempat yang sesuai dengan kebutuhan dan seleranya. Pada umumnya manusia akan pergi
ke tempat wisata kuliner berdasarkan informasi yang diperoleh dari rekomendasi kerabat,
media televisi dan internet.
Sebagian orang memiliki kecenderungan mengunjungi tempat makan yang
homogen (tidak bervariasi), hal tersebut bisa di sebabkan beberapa hal antara lain budget
(anggaran belanja), jenis makanan, fasilitas, lokasi dan waktu buka. Pada umumnya
manusia memiliki keterbatasan biaya hidup, mengunjungi tempat makan yang sesuai tentu
menjadi salah satu hal yang perlu diperhatikan, oleh karena itu hal di atas menjadi
permasalahan yang perlu dicari solusinya (Irasmi, 2012).

Perkembangan teknologi berkembang secara drastis dan terus berevolusi, termasuk

perkembangan teknologi di bidang telekomunikasi. Pencarian informasi kini dengan
sangat mudah didapat, bahkan hanya melalui telepon genggam. Hal ini dimanfaatkan
manusia untuk membantu menentukan pilihan tempat makan, salah satu contohnya.
Dengan adanya mesin pencarian Google Review, manusia seringkali mencari rekomendasi
tempat makan yang sesuai dengan kebutuhan serta membandingkan antara tempat makan
satu dan lainnya. Tentu saja hal ini akan menguras sedikit banyak waktu serta tenaga.
Dengan memanfaatkan metode Content-Based Filtering, Chatbot Perekomendasi
Tempat Makan akan membantu pengguna mencari tempat makan berdasarkan budget,
jenis makanan, jarak atau rekomendasi terbanyak dan terpositif dari pengguna internet,
khususnya Google Review.
C. PERUMUSAN MASALAH

Berdasarkan permasalahan yang telah diuraikan di atas, maka permasalahan yang akan
diselesaikan dalam proyek akhir ini adalah sebagai berikut:
1. Bagaimana cara mengolah ulasan pengguna Google Review agar dapat
memberikan rekomendasi berbagai tempat makan di Indonesia?
2. Bagaimana hasil dari Content Based Filtering untuk memberikan rekomendasi
berbagai tempat makan di Indonesia?

D. TUJUAN PROYEK AKHIR

Tujuan daripada penelitian ini, antara lain :

1. Mendapatkan informasi dari ulasan-ulasan yang tersebar pada Google Review

serta mengklasifikasi ulasan positif dan negatif kemudian merankingnya.
2. Memberikan rekomendasi tempat makan yang tepat berdasarkan budget, jenis
makanan, jarak atau rekomendasi terbanyak dan terpositif dari pengguna Google
Review.
E. KONTRIBUSI PROYEK AKHIR
Dengan adanya penelitian ini, user akan mendapat rekomendasi tentang tempat makan
mana yang cocok dan memiliki rating terbaik sesuai dengan kata yang dimasukkan oleh user.

F. KEUNIKAN
1. Memberikan rekomendasi tempat makan yang sesuai dengan yang dicari user
2. Menggunakan Chatbot sehingga lebih praktis
3. Mengambil data dari Google Review
G. TINJAUAN PUSTAKA
Pada Penelitian ini, dilakukan studi mendalam mengenai penelitian-penelitian sebelumnya.
Beberapa penelitian terkait yang menjadi referensi peneliti antara lain :
• Dasar Teori
1. Chatterbot atau Chatbot

Chatterbot (disebut juga chatbot atau bots) adalah sebuah program komputer
yang dirancang untuk menyimulasikan percakapan intelektual dengan satu atau
lebih manusia baik secara audio maupun teks.

Pada mulanya, program komputer (bots) ini diuji melalui Turing Test, yaitu
dengan merahasiakan identitasnya sebagai mesin sehingga dapat mengelabui
orang yang bercakap-cakap dengannya. Jika pengguna tidak dapat
mengidentifikasi bots sebagai suatu program komputer, maka chatterbot
tersebut dikategorikan sebagai kecerdasan buatan (atau artificial intelligence).
Dewasa ini, chatterbot telah dimanfaatkan untuk tujuan praktis seperti bantuan
online, layanan personal, atau akuisisi informasi, dalam hal ini dapat dilihat
fungsi program sebagai suatu jenis agen percakapan (atau conversational agent).
Yang membedakan chatterbot dengan sistem pemrosesan bahasa alami (atau
Natural Language Processing System) adalah kesederhanaan algoritme yang
digunakan.

2. Content Based Filtering

Ada berbagai macam metode pendekatan yang digunakan untuk

menyelesaikan permasalahan pada sistem rekomendasi, antara lain user based
collaborative filtering, contentbased filtering dan hybrid. Dalam kasus
pemilihan pekerjaan untuk mahasiswa program sudi Teknik Informatika
UAJY, metode yang digunakan adalah metode content-based filtering.
Content-based filtering memberikan suatu rekomendasi berdasarkan hasil
analisa kemiripan item yang telah dinilai oleh penggunanya (Adi, 2010)
Content-Based Filtering membentuk profil penggunanya berdasarkan atribut
pembentuk suatu item. Cosine Similarity yang tertinggi yang akan menjadi
 hasil rekomendasi. Content-Based Filtering membentuk profil penggunanya
berdasarkan atribut pembentuk suatu item. Sebagai contoh untuk suatu
dokumen, atribut pembentuknya adalah katakata yang terdapat pada dokumen
tersebut. Parameter pembentuk profil pengguna ini juga diberi nilai bobot
berdasarkan kriteria tertentu. Adapun langkah – langkah
algoritmanya :
1. Suatu item barang dibagi-bagi berdasarkan suatu vektor komponen
pembentuknya.

2. Sistem akan membuat profil pengguna berdasarkan bobot vektor

komponen pembentuk suatu item. Pembuatan profil pengguna dapat
menggunakan algoritma TF-IDF (term frequency-invers document
frequency). TF adalah jumlah term dalam suatu dokumen. Sedangkan
nilai IDF dapat dihitung menggunakan rumus:

Dimana :
n = jumlah semua
df = jumlah dokumen yang memiliki term i.
Sistem akan melakukan penilaian berdasarkan analisis kemiripan profil
pengguna dengan vektor komponen pembentuk item. Jika item tersebut
akan disukai oleh pengguna maka item tersebut akan direkomendasikan
ke pengguna.
Kekurangan utama yang pada metode ini yaitu metode ini tidak mampu
merekomendasikan jenis item yang baru atau belum pernah dilihat kepada
seorang pengguna. Hal ini dikarenakan metode ini dibuat berdasarkan
item-item yang pernah dinilai oleh pengguna tersebut.

• Penelitian Terkait
1. Tessy Badriyah, Ronny Fernando, Iwan Syarif, 2018, Sistem Rekomendasi
Content Based Filtering Menggunakan Algoritma Apriori
Pada saat ini perkembangan e-commerce di Indonesia telah banyak
berkembang dan diterima dengan dengan baik di dalam masyarakat. Masyarakat
 Indonesia sangat terbuka dengan teknologi baru dan juga jumlah pemakai
internet di Indonesia semakin meningkat pesat dari tahun ke tahun. Pada saat ini
juga telah berdiri banyak sekali perusahaan e- commerce di Indonesia seperti
Lazada, Tokopedia, OLX, Bukalapak, Blibli.com dan masih banyak lagi yang
lainnya. Masing-masing perusahaan e-commerce tersebut memiliki berbagai
macam strategi pemasaran dan bisnis untuk bersaing di pasar dan untuk menarik
lebih banyak lagi pembeli di tokonya. Salah satu strategi yang bisa digunakan
antara lain dengan penggunaan Sistem Rekomendasi. Penelitian ini menerapkan
penggunaan sistem rekomendasi pada ecommerce dengan metode content-based
filtering yaitu algoritma apriori yang dapat menganalisis polapola kombinasi
item. Dengan adanya fitur sistem rekomendasi di dalam e-commerce diharapkan
agar pembeli dapat dengan cepat menemukan barang yang dibutuhkan. Dengan
strategi ini e- commerce akan dapat meningkatkan pelayanan dan kepuasan pada
pelanggan, serta meningkatkan pendapatan pada ecommerce itu sendiri.

2. Wayan Gede Suka Parwita, Made HanindiaPrami Swari, Welda, 2018,

Perancangan Sistem Rekomendasi Dokumen Dengan Pendekatan Content-
Based Filtering
Penentuan dosen Pembimbing Tugas Akhir merupakan hal yang riskan
dalam menunjang keberhasilan dan kelancaran mahasiswa dalam menempuh
Tugas Akhir. Di STMIK STIKOM Indonesia, mahasiswa mengajukan dosen
pembimbing hanya berdasarkan tingkat kedekatan tanpa mempertimbangkan
relevansi topik tugas akhir yang diangkatnya dengan bidang keahlian dosen
yang diajukan. Berbagai batasan yang muncul dalam menentukan dosen
pembimbing bag masing-masing mahasiswa menyebabkan kegiatan ini menjadi
permasalahan tersendiri di STMIK STIKOM Indonesia. Permasalahan
penentuan dosen pembimbing ini dapat diselesaikan dengan memabangun
sebuah sistem rekomendasi yang membandingkan kedekatan topik penelitian
mahasiswa dengan bidang keilmuan seluruh dosen yang tersedia melalui
dokumen penelitian penelitian yang pernah dilakukan oleh masing-masing
dosen. Penggunaan sistem rekomendasi ini akan menghasilkan rekomendasi
dosen pembimbing tugas akhir yang memiliki bidang minat dan keahlian yang
mendekati topik penelitian tugas akhir yang diajukan oleh mahasiswa.
H. METODE PROYEK AKHIR
1. Studi Literatur
Studi literatur merupakan langkah awal dalam pengerjaan proyek akhir ini.
Tahapan ini merupakan tahap yang penting untuk mempelajari teori – teori serta konsep
teknis maupun non-teknis yang menunjang dalam pengerjaan proyek akhir ini. Referensi
bisa didapat dari bimbingan bersama dosen pembimbing atau dari jurnal ilmiah yang
terkait dengan penelitian proyek akhir ini. Sejauh ini progress dari studi literatur sudah
membahas beberapa penelitian terkait yang dijadikan referensi utama dalam penelitian ini.
2. Desain Sistem

Gambar 1. Diagram Alur Kerja Sistem

• Penjelasan dan Deskripsi Diagram Sistem
Langkah 1:
Pengguna dapat berinteraksi dengan chatbot melalui Line. Setelah pengguna
mengirim pertanyaan, pertanyaan itu diteruskan ke sistem backend untuk
dianalisis.
Langkah 2 dan 3 (NLP Processing and Return the NLP Result):
Proses NLP, termasuk didalamnya content-based filtering. Ada tiga output
dari proses ini;
 Apa yang coba ditanyakan pengguna?
Apa exact field or column yang mereka cari?
Memberikan permintaan / respons yang sesuai untuk pertanyaan pengguna.
Langkah 4 dan 5 (Query the Data):
Data yang telah disimpan ada di dalam database. Ada juga basis data yang
ada pada Google API. Berdasarkan hasil dari langkah 3, file database yang
sesuai di-query dan hasilnya dikembalikan.
Langkah 6 (Posting hasilnya ke pengguna):
Hasil yang diperoleh dari backend diposting ke pengguna melalui Line
Langkah 7 (Pemeliharaan log):
Interaksi antara pengguna dicatat dan disimpan dalam file teks. Juga, jika bot
tidak dapat mengidentifikasi pertanyaan pengguna itu akan menambahkan
pertanyaan-pertanyaan itu ke file tindak lanjut.

Mock Up Aplikasi :
1. Halaman Aplikasi

Gambar 2. Mock Up Aplikasi

3. Implementasi, Testing, dan Analisa

Langkah selanjutnya adalah melakukan implementasi system yang telah dirancang,
sekaligus menguji bagaimana keberhasilan dan akurasi system yang telah dibuat.
I. JADWAL PELAKSANAAN
BULAN
No KEGIATAN
1 2 3 4 5 6 7
1 Studi Literatur

2 Perancangan Sistem

3 Penyusunan Proposal & Ujian TPPA

4 Pembuatan Sistem

5 Pengujian Sistem

6 Penyusunan Buku

7 Ujian & Seminar TA

Tabel 1. Jadwal Pelaksanaan
J. PERSONALIA PROYEK AKHIR

● Mahasiswa
Nama : Nia Shafira
NRP : 2110161011
Jurusan : D4 Teknik Informatika
Departemen : Departemen Teknik Informatika dan Komputer

● Dosen Pembimbing
- Dosen Pembimbing 1
Nama : Entin Martiana Kusumaningtyas, S.Kom, M.Kom
NIP : 197403122000122001
Program Studi : Teknik Informatika PENS
Bidang Keahlian :
Dosen Pembimbing 2
Nama Rengga Asmara, S.Kom., M.T.
NIP : 198105082005011002
Jurusan / Prodi : Teknik Informatika
Bidang Keahlian :

K. DAFTAR PUSTAKA
1. Wikipedia Ensiklopedia Bebas, 2019. Chatterbot. Tersedia di :
https://id.wikipedia.org/wiki/Chatterbot. Diakses pada tanggal 25 April 2019.
2. Tessy Badriyah, Ronny Fernando, Iwan Syarif , 2018 . Sistem Rekomendasi Content
Based Filtering Menggunakan Algoritma Apriori.