PENERAPAN SEMANTIC EMBEDDING BERBASIS SENTENCE-BERT PADA SISTEM REKOMENDASI PARIWISATA MENGGUNAKAN CONTENT-BASED FILTERING
Kata Kunci:
Content-Based Filtering, Pemrosesan Bahasa Alami, Rekomendasi Pariwisata, Semantic Embedding, Sentence-BERTAbstrak
Era digitalisasi telah mempercepat laju ketersediaan informasi pariwisata di berbagai platform, termasuk di wilayah Kabupaten Jember. Ironisnya, kondisi ini justru memicu fenomena kelebihan informasi yang membuat wisatawan kesulitan menyeleksi destinasi liburan yang sesuai dengan preferensi mereka. Sistem pencarian berbasis teks konvensional sering kali gagal menemukan destinasi yang relevan jika kata kunci yang digunakan pengguna tidak sama persis dengan deskripsi wisata. Untuk mengatasi kelemahan tersebut, penelitian ini mengembangkan sistem rekomendasi pariwisata berlandaskan pendekatan Content-Based Filtering yang diperkuat dengan model Natural Language Processing (NLP). Ekstraksi fitur teks dilakukan menggunakan Semantic Embedding berbasis arsitektur Transformer all-MiniLM-L6-v2 (Sentence-BERT). Algoritma ini bertugas mentransformasikan deskripsi destinasi menjadi representasi ruang vektor berdimensi tinggi, yang kemudian dievaluasi tingkat kedekatannya menggunakan fungsi Cosine Similarity dan difilter melalui algoritma K-Nearest Neighbors. Berdasarkan uji komputasional dengan validasi 10-Fold, hasil pengujian membuktikan bahwa pendekatan ini memiliki tingkat akurasi yang sangat menjanjikan. Pada rentang parameter K=10, sistem mampu mencatatkan Precision sebesar 56,55% dan F1-Score 52,21% dalam merekomendasikan destinasi wisata serupa (Top-6). Temuan ini menegaskan bahwa penggunaan Semantic Embedding jauh melampaui pendekatan pencocokan kata tradisional, karena mampu memahami konteks tersembunyi dari suatu kalimat dan merekomendasikan destinasi dengan sangat akurat tanpa memerlukan data historis pengguna sama sekali.
