Analisis Pengaruh Fitur-Fitur Data Traveloka pada Kinerja Sistem Rekomendasi Content Based Filtering dengan K-Nearest Neighbor dan Haversine Formula pada Perhotelan di Kota Balikpapan

Abstract

Dalam era digital, pengguna internet menghadapi banyak pilihan akomodasi, sehingga sistem rekomendasi menjadi solusi penting untuk membantu mereka menemukan hotel yang sesuai. Penelitian ini bertujuan untuk menganalisis pengaruh fitur-fitur data Traveloka terhadap kinerja sistem rekomendasi hotel dengan pendekatan content-based filtering menggunakan algoritma K-Nearest Neighbor (K-NN) dan Haversine Formula. Metode yang digunakan meliputi pengumpulan data dari situs Traveloka, mencakup 222 hotel bintang 3 hingga 5 di Balikpapan. Fitur yang dianalisis meliputi lokasi, harga, tipe kamar, dan fasilitas. Hasil penelitian menunjukkan bahwa penerapan metode content-based filtering efektif dalam memberikan rekomendasi yang relevan dan akurat sesuai dengan preferensi pengguna. Sistem ini juga mampu mengatasi masalah cold start, sehingga berguna bagi pengguna baru. Dengan demikian, penelitian ini berkontribusi pada pengembangan sistem rekomendasi yang lebih baik di industri perhotelan, meningkatkan kenyamanan dan kepuasan pengguna dalam merencanakan perjalanan mereka.