SISTEM REKOMENDASI RESTORAN DENGAN GENETIC ALGORITHM DAN GRAVITATIONAL EMULATION LOCAL SEARCH BERBASIS WEB DAN MOBILE

Seiring dengan berkembangnya penyedia jasa kuliner yang beragam, dihasilkan begitu banyak pilihan tempat makan. Untuk membantu proses memilih tempat makan yang sesuai dengan preferensi pelanggan tertentu maka diaplikasikan sistem rekomendasi. Sistem rekomendasi collaborative filtering akan memiliki ruang pencarian yang sangat besar jika dataset yang digunakan terlalu besar sehingga untuk menangani data yang besar diperlukan pemecahan data menjadi beberapa kelompok. Pemecahan ini dinamakan juga sebagai clustering dan bertujuan mencari hubungan antar item sehingga dapat meningkatkan akurasi dan performa sistem rekomendasi. Dataset yang besar umumnya mengandalkan algoritma genetika (GA) untuk melakukan clustering, namun GA memiliki kekurangan struktural dan sering terjebak pada optimum lokal. Dalam tugas akhir ini, GA akan dikombinasikan dengan algoritma gravitational emulation local search (GELS) untuk melakukan optimisasi pada solusi yang dihasilkan oleh GA. Dalam tugas akhir ini akan ditampilkan perbandingan nilai fitness terbaik, terburuk dan rata-rata sebelum dan setelah pengaplikasian algoritma GELS. Metodologi pengembangan sistem yang digunakan adalah metodologi waterfall. Hasil dari tugas akhir ini dapat disimpulkan bahwa penerapan algoritma GELS pada cluster yang telah dihasilkan oleh GA dapat meningkatkan nilai fitness pada cluster. Selain itu dihasilkan juga aplikasi restoran berbasis web dan mobile yang menerapkan algoritma hibrid GA dan GELS pada tahap clustering untuk sistem rekomendasi collaborative filtering.