SISTEM REKOMENDASI KEDAI KOPI DI KOTA SURAKARTA DENGAN KATEGORI FASILITAS MENGGUNAKAN ITEM-BASED COLLABORATIVE FILTERING

Abstract

The surge in the number of coffee shops in Surakarta City has raised the need for a recommendation sistem that can present choices according to user preferences, especially related to the category of facilities (such as smoking rooms, meeting rooms, outdoor spaces, working-friendly cafes (WFC), omakase, and specialty coffee) and building concepts (modern, vintage, and industrial). This research aims to develop and implement a web-based coffee shop recommendation sistem to help users find coffee shops based on their preferences. The method used in this study is Item-Based Collaborative filtering with cosine similarity. Coffee shop data is collected manually from Google Maps, then processed and stored in a database for recommendation calculation purposes. The sistem was developed using Flutter for the frontend, Laravel for the backend, and MySQL for the database. The study’s results show that the built recommendation sistem can produce a list of relevant coffee shops based on user preferences. The validity test using a confusion matrix in the Working-friendly cafe (WFC) preference scenario with a modern building concept yielded an accuracy of 85.7%, precision of 60%, recall of 75%, and an F1-score of 67%. These results show that the recommended sistem performs well and can serve as a decision-making tool for users when choosing a coffee shop in Surakarta City.

Lonjakan jumlah coffee shop di Kota Surakarta memunculkan kebutuhan akan sistem rekomendasi yang mampu menyajikan pilihan sesuai preferensi pengguna, terutama terkait kategori fasilitas (seperti smoking room, meeting room, outdoor space, working-friendly cafe (WFC), omakase, dan specialty coffee) serta konsep bangunan (modern, vintage, dan industrial). Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem rekomendasi kedai kopi berbasis web yang dapat membantu pengguna menemukan kedai kopi sesuai dengan preferensi mereka. Metode yang digunakan dalam penelitian ini adalah Item-Based Collaborative filtering dengan pendekatan cosine similarity. Data kedai kopi dikumpulkan secara manual dari Google Maps, kemudian diproses dan disimpan dalam basis data untuk kebutuhan perhitungan rekomendasi. Sistem dikembangkan menggunakan Flutter sebagai frontend, Laravel sebagai backend, dan MySQL sebagai sistem manajemen basis data. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dibangun mampu menghasilkan daftar kedai kopi yang relevan sesuai dengan preferensi pengguna. Uji validitas menggunakan confusion matrix pada skenario preferensi Working-friendly cafe (WFC) dengan konsep bangunan modern menghasilkan nilai akurasi sebesar 85,7%, precision sebesar 60%, recall sebesar 75%, dan F1-score sebesar 67%. Hasil tersebut menunjukkan bahwa sistem rekomendasi yang dikembangkan memiliki performa yang cukup baik dan dapat dijadikan sebagai alat bantu pengambilan keputusan bagi pengguna dalam memilih kedai kopi di Kota Surakarta.