Pengembangan Sistem Informasi Rekomendasi Pariwisata di Kota Surabaya Menggunakan Algoritme Genetika

Mardhani, Djiehaddan Edwardo (2023) Pengembangan Sistem Informasi Rekomendasi Pariwisata di Kota Surabaya Menggunakan Algoritme Genetika. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000034-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Orienteering Problems (OP) adalah suatu permasalahan yang membahas tentang optimasi rute dan penjadwalan dalam kegiatan bepergian (travelling). OP merupakan gabungan dari Travelling Salesman Problems (TSP) dan Knapsack Problems (KP). Yang mana tujuan utama dari TSP adalah untuk mempersingkat waktu dan/atau jarak tempuh, sedangkan KP bertujuan untuk mengumpulkan skor sebanyak mungkin. Dalam OP, seorang wisatawan diberikan sekumpulan destinasi pariwisata yang dapat dikunjungi. Di mana, setiap destinasi hanya dapat dikunjungi maksimal satu kali. Namun, karena keterbatasan waktu, kecil kemungkinannya untuk mengunjungi setiap destinasi yang ada. Oleh karena itu, dengan OP wisatawan diharapkan dapat mengunjungi tempat sebanyak mungkin (skor maksimum) dalam waktu/jarak tempuh seminimum mungkin. Penelitian ini bertujuan untuk mengembangkan suatu sistem informasi rekomendasi yang dapat membantu wisatawan dalam menentukan destinasi wisata yang dapat dikunjungi. Sistem rekomendasi dibangun menggunakan pencarian probabilistik dan data destinasi pariwisata yang ada di Kota Surabaya. Model yang dibangun dengan pencarian probabilistik akan mencari urutan destinasi pariwisata terdekat yang dapat dikunjungi wisatawan yang sedang berkunjung ke Kota Surabaya. Algoritme pencari probabilistik yang digunakan adalah Genetic Algorithm (GA). GA didasarkan pada proses evolusi biologis antar generasi. Di mana setiap generasi akan menghasilkan generasi baru hasil penggabungan dari populasi terbaik terpilih generasi sebelumnya. Model ini kemudian akan diimplementasikan ke dalam sebuah web agar dapat berinteraksi dengan penggunanya. Model dikembangkan berdasarkan 51 data lokasi; 50 data destinasi pariwisata, beserta rating-nya, yang dipilih berdasarkan data destinasi pariwisata yang dimiliki oleh Disbudporapar Kota Surabaya; dan 1 data tambahan yaitu lokasi pengguna. Data rating merepresentasikan skor yang dimiliki tiap destinasi. Selain data tersebut, juga digunakan data jarak dan waktu tempuh antar lokasi yang didapatkan dari Google Maps. Data jarak dan waktu tempuh ini kemudian disimpan dalam bentuk matriks. Model dibuat menggunakan bahasa pemrograman Python. Model yang dikembangkan akan menghasilkan rute destinasi pariwisata yang dapat dikunjungi dalam batasan jarak dan waktu tertentu. Solusi yang dihasilkan oleh model menunjukkan bahwa OP dapat digunakan memodelkan permasalahan rute destinasi pariwisata di Kota Surabaya. GA dapat menyelesaikan permasalahan OP dengan solusi rutenya dengan cukup baik. Di mana, jika dibandingkan dengan rute pada generasi pertama, kombinasi destinasi pariwisata pada generasi terakhir menunjukkan peningkatan pada nilai fitness, skor, dan jarak tempuhnya. Penetapan jumlah individu dalam populasi, jumlah generasi, dan probabilitas mutasi, berperan penting agar model dapat memberikan rute optimum. Output yang dikeluarkan oleh model ini ditampilkan melalui sebuah aplikasi berbasis web, yang memungkinkan pengguna untuk melihat rekomendasi rute pariwisata berdasarkan lokasinya. Hasil dari penelitian ini diharapkan dapat berkontribusi dalam pertumbuhan dan perkembangan pariwisata, serta pertumbuhan, perkembangan, dan pengaplikasian teknologi di Kota Surabaya.
=================================================================================================================================
Orienteering Problems (OP) are problems that discuss route optimization and scheduling in traveling activities. OP is a combination of Travelling Salesman Problems (TSP) and Knapsack Problems (KP). The main purpose of the TSP is to shorten the time and/or mileage, while the KP aims to collect as many scores as possible. In the OP, a tourist is given a set of tourist destinations that can be visited. Where, each destination can only be visited a maximum of one time. However, due to time constraints, it is unlikely to visit every destination available. Therefore, with OP tourists are expected to be able to visit as many places as possible (maximum score) in the minimum possible time/mileage. This study aims to develop a recommendation information system that can help tourists determine tourist destinations that can be visited. The recommendation system was built using probabilistic search and data on tourism destinations in the city of Surabaya. The model built with probabilistic search will look for the order of the closest tourism destinations that tourists who are visiting the city of Surabaya can visit. The probabilistic search algorithm used is the Genetic Algorithm (GA). GA is based on biological evolutionary processes between generations. Where each generation will produce a new generation because of the merger of the selected best populations of the previous generation. This model will then be installed onto the web to interact with its users. The model was developed based on 51 location data; 50 tourism destination data, along with their ratings, which were selected based on tourism destination data owned by Disbudporapar Kota Surabaya; and 1 additional data, namely the user's location. Rating data represents the score of each destination. In addition to this data, distance and travel time data between locations obtained from Google Maps are also used. This distance and travel time data is then stored in matrix form. The model was created using the Python modelming language. The developed model will produce tourism destination routes that can be visited within certain distance and time limits. The solution produced by the model shows that OP can be used to model the problem of tourism destination routes in the city of Surabaya. GA can solve OP problems with its route solution quite well. Where, when compared to routes in the first generation, the combination of tourism destinations in the last generation showed an increase in fitness value, score, and mileage. Determining the number of individuals in a population, the number of generations, and the probability of mutation play an important role in enabling the model to provide the optimum route. The output generated by this model is displayed through a web-based application, which allows users to view tourism route recommendations based on their location. The results of this research are expected to contribute to the growth and development of tourism, as well as the growth, development, and application of technology in the city of Surabaya.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sistem Rekomendasi, Orienteering Problems (OP), Pariwisata, Algoritme Genetika (GA), Recommender System, Tourism, Genetic Algorithm (GA)
Subjects:	Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods. T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Djiehaddan Edwardo
Date Deposited:	08 Dec 2023 08:46
Last Modified:	08 Dec 2023 08:46
URI:	http://repository.its.ac.id/id/eprint/101189

Actions (login required)

View Item