Skripsi S1

MhswID :
150401095
Judul :
SISTEM REKOMENDASI TEMPAT WISATA KULINER TERINTEGRASI DENGAN GOOGLE MAPS API MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) KOTA PEKANBARU
Penulis :
TAUFIK SIREGAR
Abstrak :
SISTEM REKOMENDASI TEMPAT WISATA KULINER TERINTEGRASI DENGAN GOOGLE MAPS API MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) KOTA PEKANBARU Penelitian ini menghadirkan Penerapan Algoritma K-Nearest Neighbor (KNN) pada persoalan rekomendasi tempat wisata kuliner yang ada di kota Pekanbaru. Penelitian ini mengembangkan sebuah sistem rekomendasi berbasis web untuk membantu para wisatawan dan pemilik wisata kuliner dalam melakukan tempat pencarian, perbandingan dan hasil rekomendasi tempat wisata kuliner . Data yang digunakan dalam penelitian ini terdiri dari 20 tempat wisata kuliner unggulan yang ada di kota Pekanbaru. Algoritma K-Nearest Neighbor (KNN) dipilih karena algoritma K-Nearest Neighbor (KNN memiliki kelebihan yaitu dapat menghasilkan data yang kuat atau jelas dan efektif jika digunakan pada data dengan jumlah yang cukup besar. Namun selain beberapa kelebihan tersebut, K-Nearest Neighbor juga memiliki kekurangan yaitu membutuhkan nilai K sebagai parameter, jarak dari data percobaan tidak dapat jelas dengan tipe jarak yang digunakan dan dengan atribut yang digunakan untuk memperoleh hasil yang terbaik, Kata Kunci : Algoritma K-Nearest Neighbor (KNN), Rekomendasi, wisata kuliner, kota Pekanbaru
Abstrak Inggris :
INTEGRATED CULINARY TOURISM RECOMMENDATION SYSTEM WITH GOOGLE MAPS API USING K-NEAREST NEIGHBOR ( KNN ) PEKANBARU ALGORITHM This study presents the application of the K-Nearest Neighbor (KNN) Algorithm to the problem of recommending culinary tourism spots in the city of Pekanbaru. This study develops a web-based recommendation system to assist tourists and culinary tourism owners in conducting search, comparison and recommendation results for culinary tourism spots. The data used in this study consisted of 20 leading culinary tourism spots in the city of Pekanbaru. The K-Nearest Neighbor (KNN) algorithm was chosen because the K-Nearest Neighbor (KNN) algorithm has the advantage that it can produce strong or clear data and is effective if used on a large enough amount of data. But apart from these advantages, K-Nearest Neighbor also has drawbacks, namely it requires a K value as a parameter, the distance from the experimental data cannot be with the type of distance used and with the attributes used to obtain the best results, Keywords : K-Nearest Neighbor (KNN) Algorithm, Recommendations, culinary tourism, Pekanbaru city
Tahun :
2021
Cover :
Bab 1 :
Bab 2 :
Bab 3 :
Bab 4 :
Bab 5 :
Na :
A



UPT. Perpustakaan & UPT. TIPD UMRI

  • Kampus Utama : Jl. Tambusai / Jl. Nangka, Kecamatan Tampan
  • Kota Pekanbaru, Provinsi Riau

    E-Mail : pustaka@umri.ac.id - Website : http://lib.umri.ac.id - Smart Library : http://smartlib.umri.ac.id - Jurnal : http://jurnal.umri.ac.id

    Smartlib v1.3 © 2019 UPT TIPD UMRI. All Rights Reserved.