Pengembangan Sistem Rekomendasi Properti dengan Mekanisme Negative Feedback Handling pada Konteks Semantic-Geospatial

Rajata, Muhammad Ryan (2026) Pengembangan Sistem Rekomendasi Properti dengan Mekanisme Negative Feedback Handling pada Konteks Semantic-Geospatial. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026221087-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Pencarian properti yang relevan di platform daring sering kali menjadi tantangan akibat keterbatasan sistem rekomendasi konvensional yang masih bergantung pada pencocokan kata kunci sederhana, sehingga pengguna kerap kesulitan menemukan hunian yang sesuai dengan preferensi mereka. Penelitian ini mengusulkan pengembangan Sistem Rekomendasi Properti yang menggabungkan analisis semantik, pemetaan lokasi (geospasial), dan mekanisme penanganan umpan balik negatif (Negative Feedback Handling). Data penelitian menggunakan 6.847 iklan properti di 14 wilayah yang telah diperkaya dengan informasi fasilitas umum di sekitar properti dan juga jaraknya. Sistem ini menggunakan model “paraphrase-multilingual-mpnet-base-v2” dari Sentence-BERT untuk memahami tingkat kesesuaian antara deskripsi iklan dengan kueri (preferensi) pengguna. Rekomendasi kemudian diurutkan menggunakan algoritma Profile Matching dengan menghitung bobot Core Factor (CF) dan Secondary Factor (SF) untuk kriteria spesifikasi fisik (K1), Point of Interest (POI) & semantik (K2), serta fasilitas internal (K3). Selain itu, sistem dilengkapi dengan metode penyaringan teks untuk mengeleminasi properti yang memiliki kriteria negatif dari pengguna secara akurat. Hasil pengujian performa sistem berbasis Skenario Ground Truth menunjukkan kualitas perangkingan yang sangat baik, dengan nilai sensitivitas urutan (nDCG@10) mencapai 0,913 dan akurasi presisi (Precision@10) sebesar 0,60, yang memvalidasi ketangguhan sistem dalam menerapkan hard constraints dari pengguna. Fitur Exclusion List juga terbukti bekerja sempurna dengan Repeated-Dislike Rate sebesar 0% dalam menyingkirkan spesifikasi yang dihindari pengguna. Terakhir, evaluasi antarmuka menunjukkan skor kemudahan penggunaan (System Usability Scale) yang memuaskan di angka 83,75. Hasil ini membuktikan bahwa pendekatan terintegrasi ini mampu memberikan rekomendasi properti yang robust, transparan, dan sesuai dengan kebutuhan kontekstual pengguna.
======================================================================================================================================
Searching for relevant properties on online platforms often poses a challenge due to the limitations of conventional recommendation systems, which rely heavily on simple keyword matching, making it difficult for users to find housing that aligns with their preferences. This study proposes the development of a Property Recommendation System that integrates semantic analysis, location mapping (geospatial), and a negative feedback handling mechanism. The research dataset comprises 6,847 property listings across 14 regions, enriched with information regarding nearby public amenities and their distances. The system utilizes the "paraphrase-multilingual-mpnet-base-v2" model from Sentence-BERT to evaluate the alignment between property descriptions and user queries (preferences). Recommendations are subsequently ranked using the Profile Matching algorithm by calculating the weights of Core Factors (CF) and Secondary Factors (SF) across three criteria: physical specifications (C1), Point of Interest (POI) & semantics (C2), and internal amenities (C3). Additionally, the system is equipped with a text filtering method to accurately eliminate properties containing criteria flagged as negative by the user. Performance evaluation based on Ground Truth Scenarios demonstrated excellent ranking quality, achieving a ranking sensitivity (nDCG@10) of 0.913 and precision accuracy (Precision@10) of 0.60, validating the robustness of the system in enforcing user-defined hard constraints. Furthermore, the Exclusion List feature performed flawlessly with a Repeated-Dislike Rate of 0% in removing user-avoided specifications. Finally, the user interface evaluation yielded a strong System Usability Scale (SUS) score of 83.75. These results demonstrate that this integrated approach delivers property recommendations that are robust, transparent, and responsive to users' contextual needs.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Sistem Rekomendasi, Sentence-BERT, Profile Matching, Point of Interest, Negative Feedback Handling, Recommender Systems, Sentence-BERT, Profile Matching, Point of Interest, Negative Feedback Handling
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Ryan Rajata
Date Deposited:	30 Jul 2026 12:52
Last Modified:	30 Jul 2026 12:52
URI:	http://repository.its.ac.id/id/eprint/140969

Actions (login required)

View Item