SISTEM REKOMENDASI TOUR & TRAVEL MENGGUNAKAN
COLLABORATIVE FILTERING DAN CROSS SELLING
PADA PT. MMBC TOUR & TRAVEL
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Chandra Philanthrope, Renomme
Subject
005.3 Programs/ Program
Datestamp
2024-01-03 04:38:03
Abstract :
Sistem rekomendasi merupakan solusi bagi customer yang membutuhkan rekomendasi travel sesuai dengan kriteria yang diinginkan. Jika tidak ada orang yang dapat memberikan rekomendasi secara langsung, maka Collaborative Filtering dan metode Cross Selling dapat digunakan. Collaborative Filtering menganalisis perilaku dan preferensi pelanggan berdasarkan data historis dan data dari pelanggan lain yang memiliki profil atau preferensi serupa. Hal ini memungkinkan sistem rekomendasi untuk memberikan rekomendasi yang lebih personal dan sesuai dengan minat masing-masing pelanggan. Metode Cross Selling menggunakan data rating kosong untuk menghasilkan rekomendasi item. Dari hasil prediksi rating tersebut, item-item dapat diurutkan berdasarkan rating tertinggi hingga terendah, dan dapat menjadi daftar item rekomendasi (Top-N recommendation) untuk customer. Batasan jumlah item rekomendasi dapat ditentukan, misalnya 5 item atau 10 item. Algoritma Pearson Correlation digunakan untuk menghitung kesamaan (similarity) antara dua produk berdasarkan preferensi pelanggan. Metode statistik ini mengukur hubungan linear antara dua variabel dan membantu mengidentifikasi sejauh mana dua produk memiliki preferensi pelanggan yang serupa berdasarkan kriteria yang telah ditentukan,Dengan menggunakan sistem rekomendasi ini, customer akan mendapatkan rekomendasi travel yang sesuai dengan minat dan kriteria mereka, membantu meningkatkan pengalaman pelanggan dalam memilih destinasi perjalanan yang tepat.
Sistem rekomendasi merupakan solusi bagi customer yang membutuhkan rekomendasi travel sesuai dengan kriteria yang diinginkan. Jika tidak ada orang yang dapat memberikan rekomendasi secara langsung, maka Collaborative Filtering dan metode Cross Selling dapat digunakan. Collaborative Filtering menganalisis perilaku dan preferensi pelanggan berdasarkan data historis dan data dari pelanggan lain yang memiliki profil atau preferensi serupa. Hal ini memungkinkan sistem rekomendasi untuk memberikan rekomendasi yang lebih personal dan sesuai dengan minat masing-masing pelanggan. Metode Cross Selling menggunakan data rating kosong untuk menghasilkan rekomendasi item. Dari hasil prediksi rating tersebut, item-item dapat diurutkan berdasarkan rating tertinggi hingga terendah, dan dapat menjadi daftar item rekomendasi (Top-N recommendation) untuk customer. Batasan jumlah item rekomendasi dapat ditentukan, misalnya 5 item atau 10 item. Algoritma Pearson Correlation digunakan untuk menghitung kesamaan (similarity) antara dua produk berdasarkan preferensi pelanggan. Metode statistik ini mengukur hubungan linear antara dua variabel dan membantu mengidentifikasi sejauh mana dua produk memiliki preferensi pelanggan yang serupa berdasarkan kriteria yang telah ditentukan,Dengan menggunakan sistem rekomendasi ini, customer akan mendapatkan rekomendasi travel yang sesuai dengan minat dan kriteria mereka, membantu meningkatkan pengalaman pelanggan dalam memilih destinasi perjalanan yang tepat.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
