ANALISIS DAN IMPLEMENTASI KNOWLEDGE-BASED RECOMMENDATION SISTEM REKOMENDASI RESTORAN STEAK IBU KOTA JAKARTA

Abstract

Pertumbuhan industri kuliner di Jakarta, khususnya segmen restoran steak, memunculkan fenomena information overload akibat banyaknya pilihan di berbagai platform digital. Konsumen kesulitan memilih restoran yang sesuai preferensi secara efektif dan efisien. Penelitian ini bertujuan mengembangkan sistem rekomendasi restoran steak di Jakarta menggunakan metode Knowledge-Based Recommendation yang dikombinasikan dengan Simple Additive Weighting (SAW). Data bersumber dari 187 restoran steak yang diperoleh melalui Google Maps dan platform ulasan, kemudian melalui tahap data cleaning, filtering, dan normalisasi sehingga menghasilkan 115 data valid. Basis pengetahuan direpresentasikan dalam bentuk aturan rule-based dengan kriteria harga (bobot 0,3), rating Google (0,2), rating platform (0,2), dan jumlah ulasan (0,15). Hasil perhitungan menunjukkan bahwa Ono Steak memperoleh skor tertinggi sebesar 0,637, diikuti SKYE (0,618) dan Tokyo Skipjack (0,536). Sistem yang dihasilkan mampu memberikan rekomendasi terstruktur berbasis data sehingga membantu pengguna dalam pengambilan keputusan pemilihan restoran secara lebih efektif.