SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

2013

PENGEMBANGAN SISTEM REKOMENDASI MOBILE PADA DATA SPASIAL EKOWISATA

NENY ROSMAWARNI

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa tesis yang berjudul “Pengembangan

Sistem Rekomendasi Mobile pada Data Spasial Ekowisata” adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, September 2013

Neny Rosmawarni NIM G651110481

RINGKASAN NENY ROSMAWARNI. Pengembangan Sistem Rekomendasi Mobile pada Data Spasial Ekowisata. Dibimbing oleh TAUFIK DJATNA dan YANI NURHADRYANI.

Sistem rekomendasi (recommendation systems-RSs) merupakan salah satu teknik dari strategi Customer Relationship Management (CRM), berupa alat bantu perangkat lunak dan teknik yang dapat memberikan rekomendasi kepada pengguna. Sistem ini merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pengguna. RSs dapat memberikan saran kepada pengguna melalui proses sistem penunjang keputusan dan dapat memberikan penjelasan rekomendasi yang dapat membantu pengguna menemukan apa yang dicari atau disukai yang dibuat dalam bentuk sebuah sistem. Oleh karena itu dalam pembuatan sistem ini diperlukan metode rekomendasi yang tepat agar dapat memberikan rekomendasi yang sesuai dengan keinginan pengguna, serta membantu untuk mempermudah pengguna mengambil keputusan yang tepat.

Penelitian yang dilakukan memiliki 2 tujuan utama yaitu: 1) mengembangkan mekanisme dan algoritme sistem rekomendasi dengan menggunakan metode CARS, 2) membangun aplikasi sistem rekomendasi mobile untuk lokasi obyek ekowisata berdasarkan profil pengguna. Sedangkan ruang lingkup pada penelitian ini adalah: 1) metode yang digunakan pada penelitian ini adalah metode CARS, 2) aplikasi ini dibuat pada lingkungan Android mobile.

Data yang akan digunakan dalam penelitian ini berupa data spasial. Data spasial adalah suatu data yang mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi. Data spasial yang digunakan pada penelitian ini berupa data vektor yang memberikan informasi posisi berdasarkan point dengan mengambil kasus data obyek ekowisata daerah Bogor. Ekowisata (Ecotourism) merupakan salah satu sektor pariwisata yang dapat membantu perekonomian yang sedang dikembangkan saat ini. Ekowisata adalah bentuk pariwisata yang berfokus pada budaya pedesaan sebagai daya tarik wisata.

Aplikasi dinamis untuk pengembangan RSs ekowisata di Indonesia juga belum ada. Berdasarkan hasil pencarian yang ada sampai saat ini, informasi tentang ekowisata hanya berupa situs informasi statis dan blog-blog yang juga bersifat statis. Banyak cara yang sudah dilakukan dalam mengembangkan aplikasi RSs, seperti melalui media internet dengan menggunakan situs ataupun media lainnya. Oleh karena itu, melakukan mengembangkan aplikasi untuk studi kasus ekowisata yang menjadi tantangan di dalam penelitian ini. Tantangan lainnya yang dilakukan di dalam penelitian ini adalah bagaimana menentukan metode yang tepat untuk pembuatan aplikasi mobile RSs berdasarkan dari profil pengguna yang selalu dinamis. Perangkat mobile saat ini sudah banyak digunakan diberbagai kalangan masyarakat dan perkembangan dari aplikasi mobile untuk perangkat lunak (software) maupun perlengkapannya perangkat keras (hardware) terus bergerak secara dinamis sesuai dengan pergerakan kebutuhan pengguna yang semakin meningkat. Peningkatan penggunaan perangkat mobile dapat dilihat dari data akses internet melalui telepon genggam yang menjadi favorit pengguna internet baik di daerah pedesaan maupun perkotaan.

Adapun metode yang digunakan untuk membuat aplikasi ini adalah dengan menggunakan metode context aware recommender systems (CARS). Dengan metode CARS, aplikasi ini dapat memberikan rekomendasi berdasarkan profil pengguna. Oleh karena itu, dengan adanya sistem rekomendasi berbasis mobile ini dapat membantu mempromosikan obyek ekowisata dan mempermudah pengguna dalam berwisata dengan memberikan rekomendasi berupa informasi lokasi, petunjuk jalan, dan informasi seputar ekowisata lainnya dengan lebih dinamis, iterative dan dapat merekomendasikan suatu informasi dengan objektif, efisien dan cepat.

Kata kunci : context aware recommendation, data spasial, ekowisata,profil

pengguna, sistem rekomendasi

SUMMARY NENY ROSMAWARNI. A Development of Mobile Recommendation Systems by Spatial Data Ecotourism. Supervised by TAUFIK DJATNA and Yani NURHADRYANI.

Recommender System (RSS) is one of the techniques of Customer Relationship Management (CRM) strategy, in the form of software tools and techniques that can provide recommendations to user. This system is a model of an application from the observation of the situation and the wishes of the user. RSS can provide advice to the user through the process and decision support systems can provide explanations and advice that can help users find what they need or preferably item made in the form of a system. Therefore, this system needs a method of making appropriate recommendations in order to provide appropriate recommendations to user desire, as well as helping to facilitate the user for making the right decision.

This research has two main objectives, which are: 1) to develop a mechanism and the algorithm recommender system using the CARS method, 2) build a mobile application recommender system for eco-tourism object location based on user profile. While the scopes of this research are: 1) the method used in this study is CARS method, 2) the application is made on the Android mobile environment.

The data will be used in this research are spatial data. Spatial data is a reference to the position data, objects and relationships among the earth in space. Spatial data used in this study is vector data that provide position information based on the data points by taking the case of ecotourism object in Bogor. Ecotourism is one of the tourism sectors that can help the economy. Ecotourism is a form of tourism that focuses on rural culture as a tourist attraction.

Dynamic application for ecotourism RSS is not existed at this time. Based on the existing results, information about ecotourism is sites and blogs that have static information. The application of RSS applications in mobile devices has not been much developer who develops applications for this particular case study ecotourism is becoming challenge in this study. Other challenges were conducted in this research is how to determine the appropriate method for the manufacture of mobile applications based on RSS which has dynamic user profiles. Mobile devices are now widely used in various circles of society and the development of mobile applications for the software and hardware equipment continues to move dynamically in accordance with the movement of increasing need of user.

The method in this application is context-aware recommender systems (CARS). Therefore, with this mobile-based recommender system can help promote ecotourism and simplify recommendations for traveler user with location information, direction and other information about ecotourism. Besides that, mobile-based recommender system is a more dynamic, iterative, efficiently, fast and can recommend information objectively.

Key words: context aware recommendation, ecotourism, recommendation systems,

spatial data, user profile

© Hak Cipta Milik IPB, Tahun 2013

Hak Cipta Dilindungi Undang-Undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

Tesis sebagai salah satu syarat untuk memperoleh gelar

Magister Komputer pada

Program Studi Ilmu Komputer

PENGEMBANGAN SISTEM REKOMENDASI MOBILE PADA DATA SPASIAL EKOWISATA

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2013

NENY ROSMAWARNI

Penguji pada Ujian: Dr Imas Sukaesih Sitanggang, SSi MKom

Judul Tesis : Pengembangan Sistem Rekomendasi Mobile pada Data Spasial Ekowisata Nama : Neny Rosmawarni NIM : G651110481

Disetujui oleh

Komisi Pembimbing

Dr Eng Taufik Djatna, STP MSi Ketua

Dr Yani Nurhadryani, SSi MT Anggota

Diketahui oleh Ketua Program Studi Ilmu Komputer

Dr Yani Nurhadryani, SSi MT

Dekan Sekolah Pascasarjana

Dr Ir Dahrul Syah, MScAgr Tanggal Ujian: ( 13 September 2013)

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah Subhanahu Wa Ta’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Desember 2012 sampai Agustus 2013 ini ialah pengembangan sistem rekomendasi mobile pada data spasial ecotourism.

Terima kasih penulis ucapkan kepada Bapak Dr Eng Taufik Djatna STP MSi dan Ibu Dr Yani Nurhadryani SSi MT, selaku pembimbing. Di samping itu, penghargaan penulis sampaikan kepada Ibu Dr Imas Sukaesi Sitanggang SSi Mkom dan Bapak Dr Eng Heru Sukoco Ssi MT, dari departemen Ilkom. Bapak Dr Ir Agus Priyono MSc, selaku Rektor dari Institut Sains dan Teknologi Nasional (ISTN) Jakarta. Bapak Drs Syarif Hidayatullah MKom dan seluruh rekan-rekan dosen dan karyawan ISTN, yang telah membantu dan selalu memberikan motivasi selama melakukan studi di Ilmu Komputer IPB. Ungkapan terima kasih juga disampaikan kepada ayahanda Agus Redinar (alm), ibunda tercinta Nrs Siti Chasani Amd SKep MM, adik Gusti Permana Putra, Mardika Hakiki ST, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Ucapan terima kasih juga disampaikan kepada teman-teman satu tim bimbingan khususnya Bapak Galih Kurniawan Sidik SEI MKom, Ibu Astried Silvanie ST MKom, Muhammad Rizki Azima STP, Fajar Munichputranto STP, Elfira Febriani STP, Nina Hairiyah STP, Ludfioki Arifianto STP, Novina, Bapak Iwan, Bapak Arif Rahman Hakim STP, Bapak Hendra Yuniar SKom, serta seluruh teman-teman di Ilkom angkatan 13 dan angkatan 12, Para Staf Ilkom terutama pada bagian tata usaha, perpustakan dan dosen-dosen Ilkom, teman-teman di wisma melati, para sahabat yang turut membantu selama proses penelitian ini dan seluruh pihak-pihak yang tidak bisa disebutkan satu persatu namanya, atas segala dukungan, bantuan dan doanya.

Ucapan terima kasih juga disampaikan kepada dinas pendidikan perguruan tinggi (DIKTI). Penelitian ini dibiayai oleh dana Bantuan Operasional Perguruan Tinggi Negeri (BOPTN) 2013 DIKTI sebagai penelitian fundamental (Dasar /Unggulan) NOMOR: 316/IT3.41.2/L2/SPK/2013. Semoga karya ilmiah ini bermanfaat, kritik dan saran sangat diharapkan untuk kesempurnaan karya ini dikemudian hari.

Bogor, September 2013

Neny Rosmawarni

DAFTAR ISI

DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi

1 PENDAHULUAN 1 Latar Belakang 1 Perumusan Masalah 4 Tujuan Penelitian 4 Manfaat Penelitian 4 Ruang Lingkup Penelitian 4

2 TINJAUAN PUSTAKA 5 Sistem Rekomendasi 5 Context Aware Recommender Systems (CARS) 7 Data Spasial 8 Google Map API 10 Pengertian Ekowisata 10 Perangkat dan Aplikasi Mobile 13 Sistem Operasi Android 14 Arsitektur Android 14

3 METODE 16 Tata laksana penelitian 16 Perhitungan Metode CARS 17 Alat dan Bahan Membangun Aplikasi Sistem Rekomendasi 21 Implementasi dan Uji Coba 21

4 HASIL DAN PEMBAHASAN 22 Hasil 22 Pembahasan 24

5 SIMPULAN DAN SARAN 30 Simpulan 30 Saran 30

DAFTAR PUSTAKA 31 LAMPIRAN 33 DAFTAR ISTILAH 55 RIWAYAT HIDUP 58

DAFTAR TABEL

1. Penelitian terkait tentang sistem rekomendasi 6 2. Data obyek ekowisata yang digunakan 22

DAFTAR GAMBAR 1. Diagram ekowisata 2 2. Salah satu kegiatan dalam ekowisata 3 3. Klasifikasi sistem rekomendasi 5 4. Tiga model paradigma CARS 8 5. Permukaan bumi dan layer model raster 9 6. Arsitektur android 15 7. Alur metode penelitian 16 8. Alur model contextual pre-filtering 17 9. Struktur hirarki contextual information. 18 10. Metode pendekatan prototipe 20 11. Rancangan ERD DB Ekowisata 23 12. Rancangan diagram kelas 23 13. Use case diagram aplikasi RSs 24 14. Rancangan alur umum aplikasi RSs 26 15. Struktur menu aplikasi RSs m-ecotourism 27 16. Alur sistem rekomendasi 28 17. Cakupan aplikasi mobile ekowisata 29

DAFTAR LAMPIRAN 1. Tampilan halaman depan aplikasi RSs 33 2. Tampilan halaman registrasi 33 3. Tampilan halaman masuk 34 4. Tampilan menunggu sinyal GPS 34 5. Tampilan menu aplikasi 35 6. Tampilan halaman rekomendasi awal 35 7. Tampilan semua obyek wisata 36 8. Tampilan halaman pengaturan rekomendasi 36 9. Tampilan peta rekomendasi 37 10. Tampilan informasi obyek wisata 37 11. Tampilan halaman detail obyek wisata 38 12. Tampilan data transaksi 38 13. Tampilan informasi jarak 39 14. Tampilan keluar 39 15. Tabel data kamus data pengguna (User) 40 16. Tabel kamus data ekowista 40 17. Tabel kamus data kriteria 40 18. Tabel kamus data fasilitas 40 19. Diagram aktivitas untuk registrasi pengguna 41 20. Diagram Sequence proses register 41 21. Diagram BPMN seluruh aktifitas pengguna dan aplikasi 42

22. Daftar hasil survei 21 obyek wisata. 43 23. Lokasi taman wisata matahari 44 24. Lokasi curug 7 cilember 45 25. Lokasi citra alam 46 26. Lokasi taman safari 47 27. penggujian blackbox testing 48

1 PENDAHULUAN

Latar Belakang

Sistem rekomendasi (recommendation systems-RSs) merupakan salah satu teknik dari strategi CRM (Customer Relationship Management), berupa alat bantu perangkat lunak dan teknik yang dapat memberikan rekomendasi kepada pengguna (Ricci, et al. 2011). Sistem ini merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pengguna. RSs dapat memberikan saran kepada pengguna melalui proses sistem rekomendasi dan dapat memberikan penjelasan rekomendasi yang membantu pengguna menemukan apa yang dicari atau disukai yang dibuat dalam bentuk sebuah sistem. Pembuatan sistem ini diperlukan metode rekomendasi yang tepat agar dapat merekomendasikan sesuai dengan keinginan pengguna, serta membantu untuk mempermudah pengguna mengambil keputusan yang tepat (McGinty dan Smyth 2006). Sistem ini meliputi analisis data dari pengguna dan penggalian informasi yang berguna untuk prediksi yang lebih lanjut (Chen 2006).

Menurut Burke (2007), pendekatan rekomendasi dibagi menjadi 6 kelas yang berbeda yaitu berdasarkan: content based, collaborative filtering, demographic, knowledge based, community based, hybrid recommender systems. Pendekatan yang digunakan pada penelitian ini adalah gabungan antara pendekatan berdasarkan content based dan hybrid recommeder systems. Menurut Ricci et al. (2011) hubungan antara sistem rekomendasi dan interaksi manusia dan komputer itu harus didasarkan pada: (1) trust, explanations and persuasiveness, (2) conversational systems, (3) Visualization. Hal ini dimaksudkan agar sistem rekomendasi yang dibuat sesuai dengan kebutuhan pengguna dan tampilan aplikasinya harus bersifat userfriendly karena User (pengguna) merupakan aset paling penting dari sebuah organisasi (perusahaan). Itulah sebabnya organisasi harus merencanakan dan menggunakan strategi yang jelas untuk mendapatkan dan mempertahankan pengguna. Berdasarkan pernyataan tersebut aplikasi RSs ekowisata ini dibuat sesuai dengan kebutuhan pengguna. CRM adalah strategi/ konsep untuk membangun, mengelola, dan penguatan loyalitas jangka panjang hubungan dengan pengguna (Danardatu, 2007), Sedangkan Sistem rekomendasi merupakan teknik atau tools yang digunakan didalam CRM yang dianggap paling efektif saat ini, contohnya dapat merekomendasikan seperti: pemilihan produk, aktivitas harian, atau dapat merekomendasikan teman seperti dalam jejaring sosial.

Pada penelitian ini, pembuatan aplikasi mobile RSs diterapkan dalam kasus ekowisata. Ekowisata merupakan salah satu sektor pariwisata yang dapat membantu perekonomian yang sedang berkembang saat ini. Ekowisata juga merupakan bentuk pariwisata yang berfokus pada budaya pedesaan sebagai daya tarik wisata dan suatu kegiatan sosial (Sharda 2010). Pengertian lain juga menyebutkan ekowisata merupakan perjalanan wisata yang melestarikan sistem ekologi, sumber daya alam, dan lingkungan. Sehingga biasanya yang menjadi daya tarik wisatanya adalah kehidupan flora, fauna, dan warisan budaya setempat (Avenzora 2008). Kesimpulan dari beberapa pengertian tersebut menyatakan ekowisata merupakan gabungan dari tiga unsur yaitu conservation, profit dan local. Berbagai tampilan aplikasi data spasial dalam waktu yang dinamis

2

ditawarkan kepada wisatawan dalam berwisata, wisatawan dalam hal ini adalah pengguna yang memanfaatkan semua daya tarik yang ada pada ekowisata. Wisata ini juga berkontribusi terhadap peningkatan pendapatan penduduk dan dapat juga mempromosikan pembangunan daerah setempat.

Pengertian lainnya juga menyebutkan bahwa ekowisata merupakan salah satu sektor pariwisata yang dapat membantu perekonomian yang sedang berkembangkan di Indonesia saat ini. Menurut Fennell (2005), ekowisata merupakan bentuk dari pariwisata yang berfokus pada budaya pedesaan sebagai daya tarik wisata. Dalam merencanakan suatu perjalanan wisata, seseorang biasanya menerima saran tentang tujuan perjalanan dari teman atau rekan yang dapat memberikan rekomendasi tentang obyek pariwisata yang akan dituju, atau dapat pula berinteraksi dengan agen perjalanan untuk merencanakan dan memesan jadwal perjalanan. Melakukan perjalanan wisata memiliki banyak manfaat salah satunya adalah dapat menambah wawasan dan pengalaman, dapat me-refresing-kan diri dari kegiatan rutin sehari-hari, bertemu orang baru dan dapat menjalin pertemanan. Ekowisata dapat dijelaskan diagram seperti yang dilihat pada Gambar 1:

Berbagai atraksi spasial yang dinamis ditawarkan oleh pemda (pemerintah

daerah) maupun warga daerah setempat kepada para turis untuk menarik minat para turis agar dapat berwisata. Faktor yang melatarbelakangi penelitian pada kasus ini adalah karena peran ekowisata yang merupakan sumber pemasukan devisa bagi pemerintah Indonesia yang sedang dikembangkan dan ditingkatkan saat ini. Jumlah obyek wisata di Indonesia sangat banyak dan memiliki SDA (Sumber Daya Alam) yang sangat melimpah namun belum semua dapat dikelola dengan baik bahkan terkadang keberadaannya hampir tidak diketahui oleh para wisatawan. Menurut Sunarminto 2012, Jumlah wisatawan domestik maupun mancanegara yang datang ke obyek wisata di Indonesia juga belum dapat dikatakan baik karena belum seimbangnya jumlah wisatawan yang didapat dibandingkan dengan ketersediaan jumlah sumber daya wisata yang tersebar di seluruh Indonesia. Berdasarkan hasil survei yang dilakukan pada penelitian ini diketahui belum adanya aplikasi dinamis pengembangan RSs ekowisata saat ini. Berdasarkan hasil pencarian yang ada sampai saat ini, informasi tentang ekowisata hanya berupa situs informasi statis dan blog-blog yang juga bersifat statis.

Indonesia merupakan negara kepulauan yang mempunyai keindahan alam dan aneka ragam suku bangsa, budaya, agama, dan adat istiadat. Keragaman ini

Gambar 1 Diagram ekowisata (Sharda 2010)

3

dicerminkan dalam kehidupan masyarakat sehari-hari sehingga setiap daerah di Indonesia mempunyai ciri khas. Hal ini membuktikan bahwa Indonesia mempunyai peluang yang sangat besar dalam ekowisata seperti yang terlihat pada Gambar 2 yang merupakan gambaran salah satu obyek wisata ekowisata yang ada di daerah Bogor yang diambil pada saat peneliti melakukan survei.

Gambar 2 Salah satu kegiatan dalam ekowisata

Banyak cara yang dapat dilakukan dalam mengembangkan aplikasi RSs,

seperti melalui media internet dengan menggunakan situs ataupun media lainnya. Survei yang dilakukan pada penelitian ini melihat belum adanya penerapan aplikasi RSs dalam perangkat mobile untuk studi kasus ekowisata. Hal tesebut menjadi suatu tantangan yang harus diselesaikan dalam penelitian ini. Tantangan lainnya yang dilakukan pada penelitian ini adalah bagaimana menentukan metode yang sesuai dengan kebutuhan pengguna yang akan diimplementasikan dalam aplikasi mobile RSs. Perangkat mobile saat ini sudah banyak digunakan di berbagai kalangan masyarakat dan perkembangan dari aplikasi mobile untuk perangkat lunak (software) maupun perlengkapannya perangkat keras (hardware) terus bergerak secara dinamis sesuai dengan pergerakan kebutuhan pengguna yang semakin meningkat. Peningkatan terhadap penggunaan perangkat mobile dalam mengakses data pada internet menjadi favorit para pengguna internet baik di daerah pedesaan maupun perkotaan. Sebanyak 51.38 persen akses internet dilakukan melalui media telepon genggam pada tahun 2011 (BPS 2011).

Pengembangan aplikasi mobile yang berjalan dalam lingkungan pervasive menjadi salah satu tantangan yang akan diselesaikan dalam penelitian ini. Lingkungan pervasive dapat dikarakterisasi dengan derajat tinggi atas mobilitas yang tinggi, dinamis dan tidak dapat diprediksi untuk itu digagaskan ide penyatuan informasi dari pengguna perangkat mobile yang bergerak di dalam lingkungan pervasive yang kaya informasi (Julien 2005).

Metode yang digunakan untuk membuat aplikasi ini adalah dengan menggunakan metode context aware recommender systems (CARS). Dengan metode CARS, aplikasi ini dapat memberikan rekomendasi berdasarkan profil pengguna. Oleh karena itu, dengan adanya sistem rekomendasi berbasis mobile ini

4

dapat membantu mempromosikan obyek ekowisata dan mempermudah pengguna dalam berwisata dengan memberikan rekomendasi berupa informasi lokasi, petunjuk jalan, dan informasi seputar ekowisata lainnya dengan lebih dinamis, iterative dan dapat merekomendasikan suatu informasi dengan objektif, efisien dan cepat. Aplikasi ini dibuat dalam aplikasi mobile yang di sebut mobile-ekowisata (m-ecotourism) dan dapat diterapkan disemua lokasi ekowisata, khususnya daerah Bogor.

Perumusan Masalah

Berdasarkan survei, saat ini belum ada aplikasi yang dapat memberikan rekomendasi obyek ekowisata daerah Bogor berdasarkan profil pengguna oleh karena itu rumusan masalah dalam penelitian ini sebagai berikut: 1. Bagaimana cara mengkustomisasi dan meng-update data secara spasial pada

mobile berdasarkan profil pengguna agar menjadi lebih dinamis? 2. Bagaimana cara mengembangkan aplikasi rekomendasi aplikasi mobile pada

studi kasus ekowisata?

Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah: 1. Untuk melakukan penerapan mekanisme dan algoritme yang mendukung

aplikasi mobile menggunakan data spasial. 2. Untuk membangun prototipe aplikasi yang dapat merekomendasikan fitur

dinamis informasi ekowisata secara objektif, efisien dan cepat.

Manfaat Penelitian

Manfaat yang diperoleh dari pembuatan aplikasi ini adalah 1. Aplikasi ini dapat membantu pengguna mendapatkan informasi ekowisata

yang dibutuhkan dengan lebih cepat dan lebih efisien. 2. Aplikasi ini dapat membantu pengembangan dan peningkatan usaha

ekowisata di Indonesia khususnya wilayah Bogor. 3. Aplikasi ini merupakan Mobile-Ekowisata (m-ecotourism) berbasis spatial

data yang dapat dikembangkan lebih luas lagi dengan menambahkan data dan fitur-fitur lainnya untuk wilayah yang lebih luas.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini dapat dibagi menjadi 3 yaitu: 1. Mengembangkan dan mengimplementasikan aplikasi mobile dengan

menggunakan teknik sistem rekomendasi, metode CARS dan algoritme pendukung.

2. Platform pengembangan adalah Android mobile, bahasa pemograman Java dan menggunakan DBMS MySQL.

3. Studi kasus untuk penelitian ini difokuskan pada wilayah Bogor.

5

2 TINJAUAN PUSTAKA

Sistem Rekomendasi

Sistem rekomendasi merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan. Oleh karena itu sistem rekomendasi memerlukan model rekomendasi yang tepat agar yang direkomendasikan sesuai dengan keinginan pelanggan, serta mempermudah pelanggan mengambil keputusan yang tepat dalam menentukan produk yang akan digunakannnya (McGinty dan Smyth 2006). Tujuan utama dari sistem rekomendasi meliputi analisis data dari pengguna dan penggalian informasi yang berguna untuk prediksi yang lebih lanjut (Chen 2006).

Menurut Ricci et al. (2011). Sistem rekomendasi merupakan suatu software tools dan teknik yang dapat memberikan saran untuk setiap item yang dapat digunakan kepada seorang pengguna. Saran-saran yang diberikan tersebut dapat digunakan untuk mendukung proses pengambilan keputusan, hal ini bisa dicontohkan barang/item yang akan di beli, musik apa yang dapat didengar, atau berita online apa yang dapat dibaca.

Beberapa fakta yang mempengaruhi alasan mengapa sistem rekomendasi ini diperlukan, yaitu: peningkatan angka penjualan dari setiap barang, adanya peningkatan statifikasi pengguna, untuk menjual lebih banyak barang, adanya kenaikan fedility pengguna, ada pemahaman yang lebih baik terhadap keinginan dan kebutuhan pengguna. Fakta-fakta tersebut menjadikan sistem rekomendasi banyak dikembangkan, oleh karena itu sistem rekomendasi mempunyai fungsi, yaitu: untuk menemukan suatu item/barang yang cocok, menemukan semua barang yang bagus, dapat memberikan pemahaman yang baik, memberikan rekomendasi yang berkelanjutan, memberikan rekomendasi yang utuh (satu kesatuan), dapat memberikan kreabilitas terhadap sesuatu yang sudah di rekomendasikan, atau hanya browsing. Menurut Chen 2006, sistem rekomendasi memiliki tipe yang terbagi menjadi 4 kategori, yaitu: content-based, collaborative filtering, knowledge-based, dan hybrid-based, seperti ditunjukan pada Gambar 3 :

Gambar 3 Klasifikasi sistem rekomendasi (Chen 2006)

6

Sedangkan menurut Burke (2007), pendekatan rekomendasi dibagi menjadi 6 kelas yang berbeda yaitu berdasarkan: content based, collaborative filtering, demographic, knowledgebased, communitybased, Hybrid recommender systems. Pada penelitian ini, pendekatan yang digunakan adalah content based dan hybrid recommender systems. Menurut Ricci et al. (2011) hubungan antara sistem rekomendasi dan interaksi manusia dan komputer itu harus didasarkan pada: (1) trust, explanations and persuasiveness, (2) conversational systems, (3) visualization. Sistem rekomendasi menjadi inti dalam penelitian ini, adapun yang mendasari peneliti ini, terkait dengan yang dilakukan pada penelitian-penelitian sebelumnya seperti yang dijelaskan pada Tabel 1 :

Tabel 1 Penelitian terkait tentang sistem rekomendasi

No Nama Tahun Judul Keterangan

1

Yoon Ho Choa, Jae Kyeong Kimb, dan Soung Hie Kima

2002

A personalized recommender system based on web usage mining and decision tree induction

Melakukan personalisasi rekomedasi untuk e-commerce pada website, menggunakan teknik web usage mining dan decision tree.

2 Abhinandan Das, Mayur Datar, dan Ashutosh Garg

2007

Google News Personalization: Scalable Online Collaborative Filtering

Melakukan algoritma scalable real time recommendation engine sehingga dapat memberikan hasil untuk evaluasi Google News.

3 Michael J. Pazzani and Daniel Billsus 2007

Content-Based Recommendation Systems

Menggunakan algoritma content-based recommendation systems untuk memberikan rekomendasi item kepada pengguna yang berbasis pada deskripsi dari item dan profile dari ketertarikan pengguna.

4

Joon Yeon Choi, Hee Seok Song, dan Soung Hie Kim1

2007

MCORE: a context-sensitive recommendation system for the mobile Web

Memperkenalkan sistem MCORE, yang dapat digunakan untuk memilih konteks untuk pesan yang direkomendasikan dalam bentuk aplikasi mobile web based.

5 Damianos Gavalas dan Michael Kenteris

2011

A web-based pervasive recommendation system for mobile tourist guides

Membuat sistem rekomendasi berbasis pada web yang diterapkan untuk aplikasi mobile tourist guides dengan menggunakan teknik MTRS.

7

6 Chellatamilan T dan Suresh R. M. 2011

An e-Learning Recommendation System using Association Rule Mining Technique

Membuat sistem rekomendasi untuk aplikasi e-learning menggunakan teknik Association Rule Mining.

7 Wahidah Husain and Lam Yih Dih 2012

A Framework of a Personalized Location-based Traveler Recommendation System in Mobile Application

Membangun aplikasi mobile untuk memberikan rekomendasi berdasarkan personalisasi dari pengguna untuk informasi berwisata menggunakan teknik Personalized Location-based Traveler Recommender System (PLTRS).

8 Neny Rosmawarni 2013

Pengembangan Sistem Rekomendasi Mobile Pada Data Spasial Ekowisata

Melakukan pengembangan sistem rekomendasi mobile menggunakan teknik CARS pada data spasial yang berdasarkan pada prefecences pengguna.

Context Aware Recommender Systems (CARS)

CARS pertama kali diusulkan oleh Adomavicius dan Tuzhilin pada tahun 2011, CARS sendiri secara singkat dapat diartikan sebagai suatu metode dari sistem rekomendasi yang berbasis pada contextual information (informasi konteks), Pentingnya informasi konteks telah diakui oleh para peneliti dan praktisi dalam berbagai disiplin ilmu, termasuk e-commerce personalisasi, pencarian informasi, komputasi di mana-mana dan mobile, data mining, pemasaran, dan manajemen. Sementara sebagaian besar penelitian saat ini sudah dilakukan pada bidang sistem rekomendasi, pendekatan yang paling yang ada fokus pada merekomendasikan item yang paling sesuai dan cocok bagi pengguna tanpa memperhitungkan informasi contextual tambahan, seperti waktu, lokasi, atau perusahaan orang lain (misalnya, untuk menonton film atau makan di luar). CARS membahas gagasan umum konteks dan dapat dimodelkan dalam sistem rekomendasi. Tiga paradigma algoritma yang berbeda : Contextualpra-filtering, Contextual pasca-filtering, dan Contextual pemodelan. CARS mengutamakan Contextual information sebagai pokok dari teknik yang digunakan, pengertian context (konteks) itu sendiri memiliki banyak variasi namun pada CARS sudah menetapkan yaitu konteks yang dimaksud disini adalah yang sesuai nilainya dan tidak berubah-ubah. Hal ini dapat dilihat pada Gambar 4:

8

Gambar 4 Tiga model paradigma CARS (Adomavicius dan Tuzhilin 2011)

Pada penelitian ini paradigma yang digunakan adalah pre-filtering,

Keterangan dimana U = User (pengguna), I = Items, C = Context dan R = Rating (peringkat). Item yang dimaksud adalah obyek ekowisata. Paradigma pre-filtering mudah dalam penghitungan rekomendasi, tidak memerlukan waktu yang lama untuk mengetahui hasil rekomendasi dan penerapannya menggunakan biaya rendah dibandingkan dengan paradigma yang lain.

Data Spasial

Data spasial mempunyai pengertian sebagai suatu data yang mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi. Data spasial merupakan salah satu item dari informasi, dimana terdapat informasi mengenai bumi termasuk permukaan bumi, dibawah permukaan bumi, perairan, kelautan dan bawah atmosfir (Rajabidfard dan Williamson 2000a). Data spasial dan informasi turunannya digunakan untuk menentukan posisi dari identifikasi suatu elemen di permukaan bumi. Menurut Rajabidfard dan Williamson 2000a, menerangkan pentingnya peranan posisi lokasi yaitu, (1) pengetahuan mengenai lokasi dari suatu aktifitas memungkinkan hubungannya dengan aktifiktas lain atau elemen lain dalam daerah yang sama atau lokasi yang berdekatan dan (2) Lokasi memungkinkan diperhitungkannya jarak, pembuatan peta, memberikan arahan dalam membuat keputusan spasial yang bersifat kompleks.

Karakteristik utama dari data spasial adalah bagaimana mengumpulkannya dan memeliharanya untuk berbagai kepentingan. Selain itu juga ditunjukan sebagai salah satu elemen yang kritis dalam melaksanakan pembangunan sosial ekonomi secara berkelanjutan dan pengelolaan lingkungan. Berdasarkan perkiraan hampir lebih dari 80 % informasi mengenai bumi berhubungan dengan informasi spasial. Data spasial adalah data yang memiliki referensi ruang kebumian (georeference) dimana berbagai data atribut terletak dalam berbagai unit spasial, hal ini dapat dilihat pada Gambar 5. Sekarang ini data spasial menjadi media penting untuk perencanaan pembangunan dan pengelolaan sumber daya alam

9

yang berkelanjutan pada cakupan wilayah continental, nasional, regional maupun lokal.

Gambar 5 Permukaan bumi dan layer model raster (Prahasta 2009) Pemanfaatan data spasial semakin meningkat setelah adanya teknologi

pemetaan digital dan pemanfaatannya pada sistem informasi geografis (SIG). Format data spasial dapat berupa vektor (polygon, line, points) maupun raster. Pada penelitian ini data spasial yang digunakan adalah points. Cara memperoleh data spasial:

1. Dengan menggunakan citra satelit. Data ini menggunakan satelit sebagai wahananya. Satelit tersebut

menggunakan sensor untuk dapat merekam kondisi atau gambaran dari permukaan bumi.

2. Dengan menggunakan foto udara. Biasanya foto udara menggunakan pesawat udara. Secara teknis proses

pengambilan atau perekaman datanya hampir sama dengan citra satelit. Perbedaannya dengan citra satelit adalah hanya pada wahana dan cakupan wilayahnya.

3. Dengan melakukan survei lapangan. Data ini dihasilkan dari hasil survei atau pengamatan dilapangan. Data

Spasial: terdiri dari data vektor dan data raster. 1. Data vektor: informasi posisi point, garis dan polygon disimpan dalam

bentuk x,y koordinat. Suatu lokasi point dideskripsikan melalui sepasang koordinat x, y. Bentuk garis, seperti jalan dan sungai dideskripsikan sebagai kumpulan dari koordinat-koordinat point. Bentuk poligon, seperti zona target yang disimpan sebagai pengulangan koordinat yang tertutup.

2. Data raster: model data ini terdiri dari sekumpulan grid/sel seperti peta hasil scanning maupun gambar/image. Masing-masing grid/sel atau pixel memiliki nilai tertentu yang bergantung pada bagaimana image tersebut digambarkan. Sebagai contoh, pada sebuah image hasil penginderaan jarak jauh dari sebuah satelit, masing– masing pixel direpresentasikan sebagai panjang gelombang cahaya yang dipantulkan dari posisi permukaan bumi dan diterima oleh satelit dalam satuan luas tertentu yang disebut pixel. Pada image hasil scanning, masing – masing pixel merepresentasikan keterangan nilai yang berasosiasi dengan point-point tertentu pada image hasil scanning tersebut.

10

Google Map API

Google Map API merupakan aplikasi interface yang dapat diakses lewat

Javascript agar Google Map dapat ditampilkan pada halaman aplikasi yang sedang bangun. Google maps merupakan salah satu aplikasi web yang menyediakan fasilitas untuk mencari suatu lokasi atau tempat tertentu dan menampilkannya didalam format peta (Safaat 2012). Google Maps juga merupakan sebuah jasa peta globe virtual gratis dan online yang disediakan oleh Google dapat ditemukan di http://maps.google.com. API (Application Programming Interface) adalah sekumpulan perintah, fungsi, dan protokol yang dapat digunakan oleh programmer saat membangun perangkat lunak untuk sistem operasi tertentu. API memungkinkan programmer untuk menggunakan fungsi standar untuk berinteraksi dengan sistem operasi. Google menyediakan berbagai API (Application Programming Interface) yang sangat berguna bagi pengembang web maupun aplikasi desktop untuk memanfaatkan berbagai fitur yang disediakan oleh Google seperti misalnya: AdSense, Search Engine, Translation maupun YouTube.

API secara sederhana bisa diartikan sebagai kode program yang merupakan antar muka atau penghubung antara aplikasi atau web yang kita buat dengan fungsi-fungsi yang dikerjakan. Misalnya dalam hal ini Google API berarti kode program (yang disederhanakan) yang dapat kita tambahkan pada aplikasi atau web kita untuk mengakses/ menjalankan/ memanfaatkan fungsi atau fitur yang disediakan Google. Google API dapat dipelajari langsung melalui Google Code. Ada banyak API yang disediakan oleh Google, beberapa diantaranya adalah:

1. Language API: untuk memanfaatkan fitur translation yang dimiliki Google. 2. Earth API: memanfatkan fitur yang ada pada Google Earth. 3. Javascript API. 4. Maps API: memanfaatkan fitur yang ada pada Google Maps. 5. Search API: memanfaatkan fitur pencarian pada Google Search. 6. Visualization API: membuat grafik maupun chart dengan Google API. 7. YouTube API: memanfaatkan fitur yang ada pada YouTube misalnya

untuk pencarian video. Salah satu cara mudah mempelajari Google API adalah dengan

memanfaatkan Google AJAX APIs Playground. AJAX APIs playground adalah sebuah situs yang disediakan oleh Google bagi kita untuk mencoba secara langsung sejumlah Google API yang berbasis AJAX (Asynchronous Javascript and XML). Aplikasi Google maps dapat digunakan untuk mengetahui hal-hal yang berkaitan dengan lokasi yang dicari secara detail, misalnya denah lokasi,petunjuk, arah jalan, gambar satelit (untuk kota-kota tertentu), dan sebagainya.

Pengertian Ekowisata

Perkembangan pemahaman tentang ekowisata berawal di tahun 1970-an dengan berkembangnya kepariwisataan berbasis alam, yang pada intinya merupakan acara perjalanan yang meliputi kunjungan ke tempat-tempat yang berada di lingkungan alam. Pada awal tahun 1990-an, perkembangan dan pertumbuhan ekowisata, bersama dengan pariwisata alam, budaya, peninggalan

11

sejarah dan petualangan, secara global telah menjadi sektor industri pariwisata yang mengalami laju pertumbuhan terpesat. Akhir-akhir ini, ekowisata telah menyebabkan berkembangnya berbagai istilah lain seperti Pariwisata Berkelanjutan (Sustainable Tourism), Pariwisata Bertanggungjawab (Responsible Tourism), Pariwisata pro-masyarakat miskin (Pro-poor Tourism), di Indonesia diperkenalkan sebagai desa wisata, Pariwisata Hijau (Green Tourism), Pariwisata Alternatif (Alternative Tourism) (Avenzora 2008). Rumusan di atas hanyalah penggambaran tentang kegiatan wisata alam biasa.

Ekowisata adalah perjalanan yang bertanggung jawab ketempat-tempat yang alami dengan menjaga kelestarian lingkungan dan meningkatkan kesejahteraan penduduk setempat. Menurut Avenzora 2008, dalam kegiatan ekowisata terkandung unsur-unsur kepedulian, tanggung jawab dan komitmen terhadap kelestarian lingkungan dan kesejahteraan penduduk setempat. Ekowisata merupakan upaya untuk memaksimalkan dan sekaligus melestarikan pontensi sumber-sumber alam dan budaya untuk dijadikan sebagai sumber pendapatan yang berkesinambungan. Definisi di atas telah diterima luas oleh para pelaku ekowisata.

Sedangkan pengertian ekowisata berbasis komunitas (community-based ecotourism) merupakan usaha ekowisata yang dimiliki, dikelola dan diawasi oleh masyarakat setempat. Masyarakat berperan aktif dalam kegiatan pengembangan ekowisata dari mulai perencanaan, implementasi, monitoring dan evaluasi. Hasil kegiatan ekowisata sebanyak mungkin dinikmati oleh masyarakat setempat. Jadi dalam hal ini masyarakat memiliki wewenang yang memadai untuk mengendalikan kegiatan ekowisata. Beberapa pemahaman tentang ekowisata:

1. Ekowisata didefinisikan sebagai perjalanan yang bertanggung jawab ke wilayah alam yang disertai upaya melestarikan lingkungan dan memperbaiki kesejahteraan penduduk setempat.

2. Sementara kepariwisataan berbasis alam (Nature Tourism), sekedar menjelaskan perjalanan ke tempat-tempat di lingkungan alam.

3. Ekowisata adalah jenis kepariwisataan berbasis alam yang memberi manfaat bagi masyarakat dan destinasi setempat baik dalam hal lingkungan alam, budaya maupun ekonomi.

4. Ekowisata menghadirkan seperangkat prinsip yang telah berhasil dilaksanakan di berbagai masyarakat global dan telah didukung luas oleh industri (pariwisata) maupun penelitian akademik.

5. Ekowisata, jika dilaksanakan berdasarkan pada prinsip, menciptakan pengembangan kepariwisataan yang memberi manfaat sosial dan lingkungan yang sehat.

6. Sebagaimana ekowisata, istilah-istilah seperti sustainable tourism dan responsible tourism berakar dari konsep pembangunan berkelanjutan (sustainable development), yaitu pembangunan yang memenuhi kebutuhan saat ini tanpa mengabaikan kemampuan generasi mendatang untuk memenuhi kebutuhan mereka sendiri.

Dengan pemikiran konsep ini, maka kepariwisataan berkelanjutan (Sustainable tourism) untuk industri Perjalanan dan pariwisata, sebagai kepariwisataan yang memenuhi kebutuhan wisatawan, dengan melindungi dan mengembangkan peluang untuk masa depan. Secara umum objek kegiatan

12

ekowisata tidak jauh berbeda dari kegiatan wisata alam biasa, namun memiliki nilai-nilai moral dan tanggung jawab yang tinggi terhadap objek wisatanya.

1. Wisata pemandangan: 1. Objek-objek alam (pantai, air terjun, terumbu karang) 2. Flora (hutan, tumbuhan langka, tumbuhan obat-obatan) 3. Fauna (hewan langka dan endemik) 4. Perkebunan (teh, kopi)

2. Wisata petualangan: 1. Kegiatan alam bebas (lintas alam, berselancar) 2. Ekstrem (mendaki gunung, paralayang) 3. Berburu (babi hutan)

3. Wisata kebudayaan dan sejarah: 1. Suku terasing (orang Rimba, orang Kanekes) 2. Kerajinan tangan (batik, ukiran) 3. Peninggalan bersejarah (candi, batu bertulis, benteng kolonial)

4. Wisata penelitian: 1. Pendataan spesies (serangga, mamalia dan seterusnya) 2. Pendataan kerusakan alam (lahan gundul, pencemaran tanah) 3. Konservasi (reboisasi, lokalisasi pencemaran)

5. Wisata sosial, konservasi dan pendidikan: 1. Pembangunan fasilitas umum di dekat objek ekowisata (pembuatan

sarana komunikasi, kesehatan). 2. Reboisasi lahan-lahan gundul dan pengembang biakan hewan

langka. 3. Pendidikan dan pengembangan sumber daya masyarakat di dekat

objek ekowisata (pendidikan bahasa asing, sikap).

Ada enam manfaat dari pengembangan ekowisata, yaitu: 1. Memberikan nilai ekonomi bagi kegiatan ekosistem di dalam lingkungan

yang dijadikan obyek wisata; 2. Menghasilkan keuntungan secara langsung untuk pelestarian lingkungan; 3. Memberikan keuntungan secara langsung dan tidak langsung bagi para

pihak terkait (stakeholders); 4. Membangun konstituen atau dukungan bagi konservasi di tingkat lokal,

nasional dan internasional; 5. Mempromosikan penggunaan sumber daya alam yang berkelanjutan; 6. Mengurangi ancaman terhadap kenekaragaman hayati yang ada di obyek

wisata tersebut. Tahap-tahap yang wajib dilakukan untuk membangun sebuah objek

ekowisata meliputi: 1. Identifikasi potensi atau kelayakan, 2. Pengembangan atraksi wisata, 3. Pengelolaan atraksi wisata, 4. Pemeliharaan, 5. Pemasaran objek atau atraksi ekowisata.

13

Ekowisata harus dapat menjamin kelestarian lingkungan. Maksud dari menjamin kelestarian ini adalah sesuai dengan tujuan konservasi, yaitu:

1. Menjaga tetap berlangsungnya proses ekologis yang mendukung sistem kehidupan.

2. Melindungi keanekaragaman hayati. 3. Menjamin kelestarian dan pemanfaatan spesies dan ekosistemnya.

Wisatawan dapat dikelompokkan dalam beberapa kategori, yaitu:

1. Explorer –petualang 2. Minat Khusus 3. Banyak Minat 4. Backpacker

Dalam dunia pariwisata dikenal beberapa jenis wisata, yaitu:

1. Wisata Alam, 2. Wisata Kebudayaan, 3. Wisata Pendidikan, 4. Wisata Pertanian, 5. Wisata Perbandingan, 6. Wisata Keagamaan, 7. Wisata Bahari, 8. Wisata Minat Khusus

Secara umum basis pengembangan wisata minat khusus meliputi:

1. Aspek alam, seperti: flora, fauna, fisik geologi, vulkanologi, hidrologi, hutan alam atau taman nasional.

2. Objek dan daya tarik wisata budaya, meliputi: budaya peninggalan sejarah dan budaya kehidupan masyarakat. Potensi ini selanjutnya dapat dikemas dalam bentuk wisata budaya peninggalan sejarah, wisata pedesaan dan sebagainya di mana wisatawan yang memiliki minat dapat terlibat langsung dan berinteraksi dengan budaya masyarakat setempat untuk belajar berbagai hal dari budaya yang ada.

Perangkat dan Aplikasi Mobile

Aplikasi mobile adalah program yang digunakan orang untuk melakukan sesuatu pada sistem komputer mobile dapat diartikan sebagai perpindahan yang mudah dari satu tempat ke tempat yang lain, misalnya telepon mobile berarti bahwa terminal telepon yang dapat berpindah dengan mudah dari satu tempat ke tempat lain tanpa terjadi pemutusan atau terputusnya komunikasi (Safaat 2012). Aplikasi ini dapat diakses melalui perangkat nirkabel seperti pager, seperti telepon seluler dan PDA. Karakteristik perangkat mobile :

1. Ukuran yang kecil, perangkat mobile memiliki ukuran yang kecil. Konsumen menginginkan perangkat yang terkecil untuk kenyamanan dan mobilitas mereka.

2. Memory yang terbatas, perangkat mobile juga memiliki memory yang kecil, yaitu primary (RAM) dan secondary (disk).

14

3. Daya proses yang terbatas, sistem mobile tidaklah setangguh desktop. 4. Mengkonsumsi daya yang rendah, perangkat mobile menghabiskan sedikit

daya dibandingkan dengan mesin desktop. 5. Kuat dan dapat diandalkan, karena perangkat mobile selalu dibawa kemana

saja, mereka harus cukup kuat untuk menghadapi benturan-benturan, gerakan, dan sesekali tetesan-tetesan air.

6. Konektivitas yang terbatas, perangkat mobile memiliki bandwith rendah, beberapa dari mereka bahkan tidak tersambung.

7. Masa hidup yang pendek, perangkat-perangkat konsumen ini menyala dalam hitungan detik kebanyakan dari mereka selalu menyala.

Sistem Operasi Android

Android merupakan sebuah sistem operasi perangkat mobile berbasis linux

yang mencakup sistem operasi, middleware, dan aplikasi (Supardi 2011). Beberapa pengertian Android, yaitu:

1. Merupakan platform terbuka (open source) bagi para pengembang (Programmer) untuk membuat aplikasi.

2. Merupakan sistem operasi yang di beli Google Inc. dari Android Inc. 3. Bukan bahasa pemograman, akan tetapi hanya menyediakan lingkungan

hidup atau run time environment yang disebut DVM (Dalvik Virtual Machine) yang telah dioptimasi untuk device/alat dengan sistem memori yang kecil.

Untuk mengembangkan Android, dibentuk OHA (Open Hardset Aliance), konsorium dari 34 perusahan piranti lunak (Software), dan telekomunikasi, termasuk Google, HTC, Intel, Motorola, Qualcomm, T-Mobile, dan Nvidia. Pada tanggal 5 November 2007, Android dirilis pertama kali. Android bersama OHA menyatakan mendukung pengembangan open source pada perangkat mobile.

Android hanya menyediakan lingkungan runtime atau sebagai interpreter. Dimana kode sumber yang telah di compile dengan compiler Java akan di optimasi oleh dalvik. Sebuah virtual machine yang memang dibuat khusus untuk menjalankan kode-kode program yang buat dengan bahasa pemograman Java. Yang tentunya berbentuk sebuah class. Kemudian oleh dex tools (merupakan bagian dari DVM) mengubah Java class yang telah di compile oleh Java compiler ke lingkungan native yang berbentuk (*.dex) format (dalvik executable), yang teroptimasi untuk lingkungan perangkat keras dengan komputasi yang rendah.

Arsitektur Android

Secara garis besar, arsitektur Android terdiri atas applications dan widgets, applications frameworks, liberaries, Android run time, dan linux kernel. Applications dan widgets merupakan layer (lapis), dimana dapat berhubung dengan aplikasi saja. Applications frameworks merupakan open development platform yang ditawarkan Android untuk dapat dikembangkan guna membangun aplikasi. Pengembangan memiliki akses penuh menuju API frameworks seperti yang dilakukan oleh aplikasi kategori inti. Komponen-komponen yang termasuk

15

didalam applications frameworks adalah sebagi berikut: Views, Content Provider, Resource Manager, Notification Manager, dan Activity Manager. Libraries merupakan layer, dimana fitur-fitur Android berada. Android Run Time merupakan layer yang membuat aplikasi Android dapat dijalankan, dimana dalam prosesnya menggunakan implementasi Linux. Linux kernel merupakan layer inti dari sistem operasi Android berada. Untuk lebih jelasnya lihat gambar di bawah ini.

Gambar 6 Arsitektur android (Supardi 2011)

Dari Gambar 6, terlihat bahwa pada struktur Android terdapat 5 layer yaitu applications, applications framework, libraies, android runtime, linux kernel. Pada setiap layer memilik bagian-bagian yang berbeda antar layer.

16

3 METODE

Tata laksana penelitian

Berdasarkan pada tujuan penelitian, maka pada bagian metode menjelaskan langkah-langkah untuk proses pencapaian tujuan tersebut. Adapun langkah-langkahnya, pertama peneliti melakukan studi literatur, kemudian melakukan analisis permasalahan yang terjadi saat ini, kemudian permasalahan tersebut disesuaikan dengan literatur yang dikaji. Tahap selanjutnya melakukan pengumpulan data, teknik yang dipakai padasaat penggumpulan data adalah dengan melakukan survei dan pengisian kuesioner kepada pengunjung dan pengelola. Setelah data telah terkumpul dilakukan tahap penyusunan model. Gambaran umum dari alur penelitian pada metode ditampilkan pada Gambar 7:

Gambar 7 Alur metode penelitian

Setelah dilakukan tahapan penyusunan model, kemudian dilakukan tahap

pengembangan mekanisme dan algoritme aplikasi mobile menggunakan data spasial pada tahap ini teknik yang digunakan mengacu pada CARS untuk detailnya akan dibahas pada sub bab selanjutnya. Setelah Tahap pengembangan mekanisme dan algoritma dilakukan, tahap selanjutnya yaitu membangun aplikasi prototipe sistem rekomendasi. Pada tahap ini pembangunan aplikasi di lakukan menggunakan bahasa pemograman android untuk penjelasan lebih lengkap akan di bahas pada sub bab pengembangan aplikasi. Setelah kedua tahap tersebut selesai dilakukan, maka dilakukan tahapan selanjutnya yaitu tahap implementasi. Pada tahap ini kedua tahap sebelumnya digabungkan, setelah penggabungan dilakukan tahap uji coba terhadap kedua tahap tersebut. Apabila pada saat penggujian terdapat kesalahan maka dilakukan pemeriksaan kesalahan tersebut. Apabila kesalahan tersebut berupa error logic, pemeriksaan dilakukan pada tahap pengembangan mekanisme dan algoritme dan apabila kesalahan berupa bugs pada

17

aplikasi, dilakukan pemeriksaan pada tahap pembagunan aplikasi sistem rekomendasi dan apabila tidak terdapat kesalahan pada keduanya maka program telah selesai dikerjakan dan dapat digunakan. Metode penelitian ini digunakan sebagai tahap pengerjaan secara keseluruhan penelitian, sedangkan untuk tahap penyusunan model menggunakan alur penelitian tersendiri yang digunakan untuk menjawab tujuan dari penelitian ini.

Perancangan mekanisme dan algoritme Recommendation Systems (RSs) Pada tahap perancangan mekanisme dan algoritme RSs, yang pertama

dilakukan adalah pengolahan terhadap data hasil analisa dari tahap sebelumnya untuk diproses. Data tersebut diperoleh dari proses pengambilan data dengan melakukan survei lapang, pengisian kuesioner dan wawancara kepada penggunjung obyek wisata dan pengelola maupun pemilik dari obyek wisata. Selain melalui pengisian kuesioner, proses pengambilan data posisi atau data spasial dari obyek wisata juga diambil dengan menggunakan alat bantu GPS (Global Positioning System).

Data yang diambil dari hasil survei berupa data pengguna dan data dari obyek ekowisata, yang akan olah dan disimpan kedalam database. Data obyek wisata yang diambil pada saat survei ada 21 obyek (Lampiran 22) yang berada didaerah Bogor namun yang dijadikan data uji pada pembuatan aplikasi menggunakan 14 obyek wisata karena tidak semua data obyek wisata dapat dikategorikan sebagai ekowisata. Data yang diperoleh akan dibentuk menjadi beberapa context yaitu, profil pengguna, jarak, data waktu. Data ini akan digunakan dalam perhitungan algoritme RSs menggunakan metode CARS.

Perhitungan Metode CARS

Tahap perhitungan rekomendasi menggunakan metode CARS (Context Aware Recommender Systems). Adapun tahapan metode CARS yang digunakan pada penelitian ini adalah contextual pre-filtering.

Gambar 8 Alur model contextual pre-filtering (Adomavicius dan Tuzhilin 2011)

18

Gambar 8 merupakan salah satu model dari 3 pendekatan yang dapat digunakan dalam metode CARS. Ada 3 tahap yang dilakukan didalam pendekatan ini untuk mendapatkan contextualized data. Tahap pertama adalah data, data disini merupakan hasil dari analisis permasalahan, kemudian dilakukan pengumpulan data. Adapun data yang diperlukan adalah data pengguna yang disimbolkan dengan (U ). Data pengguna diperoleh dari pendaftaran pengguna pada aplikasi RSs ekowisata yang tersimpan di dalam database. Sedangkan, data item disimbolkan dengan ( I ). Data item di dalam penelitian ini berupa data obyek ekowisata yang diperoleh dari hasil survei dan literatur yang membahas tentang ekowisata khusus untuk daerah Bogor. Sedangkan data context yang disimbolkan ( C ). Data context ini diperoleh melalui context generalization. Generalisasi context dapat didefinisikan pada persamaan 1 berikut :

' ' '

1 1( ,......, ) ( ,........, )k kc c c c c= → (1)

Data yang diperlukan selanjutnya adalah rating yang disimbolkan dengan R , generalization pre-filtering juga menggunakan context time yang disimbolkan dengan t dalam rumus pencarian rating sehingga dapat dirumuskan [ ]tTime S∈

dimana tS merupakan superset dari context time. Pada penelitian ini, hasil generalization context memiliki struktur hirarki seperti Gambar 9 berikut:

Gambar 9 Struktur hirarki contextual information.

Struktur hirarki contextual linformation dari sistem yang dibuat merupakan

turunan dari database ekowisata. Dari Gambar 9 terlihat yang menjadi context dalam sistem ini adalah profil pengguna, Jarak (distance) dan frekuensi waktu kunjungan (time). Gambar 9 menjelaskan hubungan context dengan pengguna dan item. Hal ini sangat perlu diketahui sebagai dasar dari pembuatan sistem rekomendasi. Setelah diketahui struktur hirarki tersebut perhitungan rekomendasi dapat dilakukan dengan mengumpulkan data yang ada kemudian mencari rating dari setiap transaksi pengguna dengan Objek wisata (item). Kemudian dilihat dari setiap context yang terdapat didalam transaksi sehingga menghasilkan rating pada

19

setiap transaksi. Kemudian rating tersebut diberikan ranking yang dihitung dengan metode pre-filtering sehingga mendapatkan hasil rekomendasi yang sesuai.

Pada penelitian ini, cara yang digunakan untuk mendapatkan context time dihitung berdasarkan banyaknya waktu kunjungan pengguna terhadap satu tempat obyek ekowisata. Sedangkan cara yang digunakan untuk mendapatkan context profil pengguna dihitung dari data yang diisi pada form pendaftaran pada aplikasi kemudian disimpan ke dalam database. Nilai yang diambil untuk profil pengguna dari form pendaftaran pengguna adalah umur dan hobi pengguna. Dua nilai tersebut dihitung terhadap item dan pengguna, maka dibuat kamus data terlebih dahulu untuk dilihat kecocokan dari setiap obyek ekowisata dengan hobi dari pengguna sebagai salah satu preferensi pengguna di dalam database sebagai berikut:

1. Daftar hobi: memancing, berenang, membaca, mendaki gunung, bersepeda, camping, photography, penjelajah, traveling, culinary.

2. Data obyek ekowisata: fasilitas yang disediakan dan kriteria dari wahana yang ada pada obyek wisata. Fasilitas pada obyek wisata yang disediakan disesuaikan dengan hobi pengguna. Context distance (jarak) dihitung berdasarkan perhitungan jarak rating

menggunakan euclidean jarak atau euclidean metrik yang dihitung antara dua titik. Jarak euclidean antara titik p dan q adalah panjang segmen garis yang menghubungkan satu dan yang lainnya. Dalam titik koordinat, jika p = (p1, p2, ..., pn) dan q = (q1, q2, ..., qn) adalah dua titik euclidean ruang-n, jarak dari p ke q, atau dari q ke p seperti persamaan 2 dibawah ini:

, ∑ (2)

Dimana p merupakan posisi current location pengguna, yang diperoleh

dari GPS (Global Positioning System) yang terhubung pada aplikasi ekowisata ini dan dimunculkan pada peta di dalam mobile. Sedangkan q merupakan posisi dari obyek ekowisata. Posisi yang dimaksudkan adalah T dan S dari longitud dan latitud. Dimana T dan S diperoleh dari masing-masing pengguna dan obyek ekowisata. Untuk menghitung kemiripan antara data pengguna dengan data obyek wisata yang sudah dipilih berdasarkan context menggunakan persamaan 3:

(3) Dimana L adalah data vektor dari transaksi baru yang dilakukan pengguna,

S adalah transaksi yang sudah tersimpan didalam memori (database). Transaksi disini adalah hubungan antara pengguna dengan obyek wisata, n adalah jumlah atribut pada setiap transaksi, i adalah atribut individu dari pengguna antara 1 sampai ke n. Sedangkan f adalah fungsi dari kesamaan dan frekuensi dari atribut i dengan transaksi T dan S. Sedangkan w adalah bobot (rating) yang diberikan kepada atribut ke i. Perhitungan yang digunakan sesuai dengan context time (waktu) adalah untuk kemiripan antara pengguna dan obyek wisata berdasarkan dari segi waktu kunjungan ke obyek wisata tersebut. Rumus untuk menghitung kedekatan berdasarkan context time (waktu) mirip dengan rumus perhitungan dari

1( , )*

( , )n

i i ii

i

f T S wL T S

w== ∑

20

context profil pengguna. Untuk menghitung kemiripan dengan context waktu dapat dilakukan dengan persamaan 4:

(4) Dimana T adalah data vektor dari transaksi baru yang dilakukan pengguna

terhadap context time, T adalah transaksi time yang sudah tersimpan didalam memori (database). Transaksi disini adalah hubungan antara pengguna dengan obyek wisata, n adalah jumlah atribut pada setiap transaksi, i adalah atribut individu dari pengguna antara 1 sampai ke n. Sedangkan f adalah fungsi frekuensi dari kesamaan atribut i dengan transaksi X dan Y. Sedangkan w adalah bobot (rating) yang diberikan kepada atribut ke i.

Setelah data rating diperoleh, data tersebut masih bersifat rekomedasi 2D. Untuk mendapatkan contextulization recommendation perlu dilakukan ranking dari masing-masing rating item. Adapun penghitungan rumus selanjutnya yang digunakan pada penelitian ini untuk menghitung ranking di dalam context aware recommender system adalah dengan menggunakan persamaan 5 dibawah ini:

( | , ) ( | , )p items user context p d u v∝ (5)

Dimana p adalah probability dari item disimbolkan dengan d dan pengguna

disimbolkan denganu sedangkan context disimbolkan dengan v (value). Sehingga setelah melakukan ranking dari bobot setiap transaksi antara pengguna dan obyek wisata yang dipilih berdasarkan context maka itulah yang direkomendasikan. Hasil rekomendasi ini dipilih 3 terbesar dari hasil perhitungan ranking yang dilakukan.

Pembuatan Aplikasi Sistem RSs

Pada tahap ini, pembuatan aplikasi dilakukan dengan menggunakan metode pendekatan pengembangan aplikasi prototipe. Adapun tahap-tahapnya sebagai berikut :

Identity Requirments

Develop First Prototype

Implement and use

Revise and enhance

Improved prototype

Requirement

First Prototype

User Feedback

Gambar 10 Metode pendekatan prototipe (Sommerville 2011)

1( , )*

( , )n

i i ii

i

f X Y wT X Y

w== ∑

21

Pada Gambar 10 merupakan metode pendekatan dalam pembuatan aplikasi yang digunakan untuk menjawab tujuan kedua pada penelitian ini. Adapun proses yang pertama dilakukan adalah melakukan identity requirements yaitu melihat kebutuhan apa saja yang diperlukan untuk pembuatan sistem seperti: perancangan aplikasi sesuai studi kasus, pemilihan dan penggunaan software dan tools yang akan digunakan, serta kesesuaian terhadap kebutuhan pengguna. Sedangkan proses yang kedua adalah tahap develop first prototype design, perancangan aplikasi dilakukan dengan melakukan perancangan sepesifikasi kebutuhan sistem. Pada tahap analisis (Analysis) dilakukan dengan perancangan data menggunakan UML (Unified Modeling Language), ERD (Entity Relational Diagram), dan class diagram. Kemudian dari hasil rancangan tersebut, dilakukan tahap ketiga yaitu Implement and use aplikasi yang sesuai hasil tahap analisis dengan menggunakan bahasa pemrograman Java pada Android.

Tahap terakhir dengan melakukan testing, revise dan enhance. Selanjutnya dilakukan tahap implementation dan unit pengujian untuk menyatukan semua proses yang ada didalam aplikasi kemudian dilakukan ujicoba pada masing-masing proses tersebut. Pada tahap integration dan system testing, aplikasi ini dibuat dalam bentuk prototipe oleh karena itu system testing masih dilakukan pada tools sendiri (Localhost) belum dimasukkan ke dalam Google Playstore yang ada pada Android. Sedangkan pada tahap maintanance, pada sistem belum dilakukan maintanance karena masih dalam bentuk prototipe.

Alat dan Bahan Membangun Aplikasi Sistem Rekomendasi

Aplikasi sistem dibangun dengan menggunakan bahasa pemograman Android. Metode yang digunakan dalam pembuatan sistem ini menggunakan metode pengembangan sistem prototipe (Sommerville 2011). Lingkungan perangkat keras yang digunakan adalah laptop dengan minimum spesifikasi Processor Intel Core i3, RAM 2GB, HDD 650 GB, Monitor Lenovo 13 Inci, Logitech Mouse, Tablet Samsung 7.2 sebagai alat uji coba sistem. Lingkungan perangkat lunak yang digunakan adalah Operating System Microsoft Windows 7 (32 byte), Android ADT (Android Development Tools) sebagai perangkat lunak untuk menghasilkan Aplikasi, MySQL sebagai DBMS (Database Management Systems) dan tools web bit server sebagai server pada perangkat mobile.

Implementasi dan Uji Coba

Sistem yang sudah dibuat harus dilakukan uji coba dan implementasi. Hal ini dimaksudkan untuk menguji kesesuaian sistem yang dibuat sudah sesuai dengan analisis kebutuhan. Pengujian ini dilakukan menggunakan blackbox testing (Lampiran 27). Setelah sistem yang diuji sudah sesuai dengan kebutuhan dan tidak muncul error pada program, maka dinyatakan program tersebut sudah dapat digunakan.

22

4 HASIL DAN PEMBAHASAN

Hasil

Hasil survei yang dilakukan pada bulan mei 2013, data obyek wisata yang diambil sebanyak 21 obyek yang berbeda (Lampiran 27), pada saat survey kami mengambil beberapa bukti survei seperti pada Lampiran 23, 24, 25 dan 26 yang menunjukan gambar obyek ekowisata yang dikunjungi dan semua obyek wisata ini berada pada wilayah Bogor, data yang digunakan sebagai data uji pada aplikasi adalah 14 obyek wisata karena tidak semua obyek wisata yang dikunjung termasuk dalam kategori ekowisata, ada pun datanya ditunjukan pada tabel 2. Data yang digunakan selain data obyek wisata, data yang diambil pada saat melakukan survei adalah data pengguna, data ini diperoleh dari kuesioner yang diisi oleh pengguna. Data yang ada pada kuesioner hanya digunakan dalam pembuat konsep pengambilan data profil pengguna ke database yang nantinya konsep ini langsung digunakan form pendaftaran didalam aplikasi yang diisi pada saat pertama kali pengguna mengakses aplikasi. Bentuk data spasial yang diambil berupa posisi longitude dan latitude dari masing-masing pengguna dan obyek wisata. Dari hasil survei lakukan pembentuk kecenderungan kesukaan (preference) dari pengguna terhadap obyek wisata. Bentuk preference tersebut akan akan dibuat struktur informasi context dimana context tersebut akan digunakan dalam pemberian rekomendasi pada pengguna.

Peneliti melakukan perancangan struktur hirarki untuk menentukan informasi context dari data yang tersedia. Untuk dapat menghasilkan hirarki ini data tentang obyek wisata harus dilakukan tahap filtering data terlebih dahulu. Setelah itu, data diolah dan dirancang menggunakan ERD dan Class Diagram, agar dapat membuat rancang struktur hirarki. Setelah struktur hirarki dibuat, selanjutnya dilakukan perhitungan rumusan sistem rekomendasi dengan menggunakan CARS yang disesuaikan dengan data pengguna. Setelah perhitungan tersebut selesai, maka dilanjutkan dengan membuat rancangan aplikasi dengan menggunakan bahasa pemrograman Android dan hasil rumusan tersebut dimasukkan ke dalam aplikasi.

Tabel 2 Data obyek ekowisata yang digunakan

No Nama Obyek Wisata No Nama Obyek Wisata 1 Kampung Wisata Cinangneng 8 Rancamaya 2 Kampung Budaya Sindang Barang 9 Wisata Jajanan Pajajaran 3 Curug Luhur 10 Danau IPB 4 5 6 7

Curug Nangka Kebun Raya Bogor Taman Safari Indonesia Museum Perjuangan

11 12 13 14

Taman Buah Mekarsari Situ Gede Dramaga Taman Kapten Muslihat Kampung kerajinan cikaret

Pada Tabel 1 merupakan tabel dari data obyek wisata yang digunakan pada

aplikasi ini, data ini diambil melalui hasil survei, kemudian data tersebut dimasukkan ke dalam database disesuaikan dengan data (Lampiran 15). Setelah

23

data terkumpul selanjutnya dibuatlah perancangan database aplikasi dengan membuat ERD untuk mengetahui hubungan antar entitas sebelum dibuat kedalam kelas diagram. Adapun tampilan rancangan ERD adalah sebagai berikut:

Gambar 11 Rancangan ERD DB Ekowisata

Pada Gambar 11 terdapat beberapa entitas yaitu user profile (profil pengguna), data ekowisata, kriteria, fasilitas. ERD menjelaskan satu pengguna dapat memilih banyak tempat wisata, satu obyek wisata dapat memiliki banyak kriteria, sedangkan satu kriteria dapat memiliki banyak fasilitas tempat wisata. Kriteria disini adalah adalah jenis dari obyek wisatanya dan batas larangan dari yang dimiliki contoh obyek wisata 1 adalah jenis obyek wisata air yang alami sehingga larangan batas usia untuk memasuki obyek wisata tersebut. Setelah diketahui rancangan dari ERD kemudian dibuatlah kelas diagram untuk rancangan ERD tersebut. Adapun rancangannya adalah sebagai berikut:

Gambar 12 Rancangan diagram kelas (ClassDiagram)

Pada Gambar 12 Rancangan diagram kelas diimplementasikan ke dalam database, struktur tabel utama yaitu user profile (Lampiran 15), data ekowisata (Lampiran 16), kriteria (Lampiran 17), fasilitas (Lampiran 18), masing-masing tabel memiliki field yang berbeda-beda. Setelah membuat database, selanjutnya adalah merancang tampilan aplikasi. Pada tahap pertama, pembuatan aplikasi dengan melakukan perancangan use case diagram seperti pada Gambar 13:

24

Gambar 13 Use case diagram aplikasi RSs

Pada Gambar 13 menjelaskan fungsional kemampuan sistem yang digambarkan dalam bentuk usecase, sedangkan aktor sebagai pelaku dalam sistem ini. Kemudian dari usecase ini dibuatlah diagram aktivitas pendaftaran (register) pengguna baru untuk memberikan penjelasan pada proses tersebut (Lampiran 19), Untuk memperjelas proses urutan dari registrasi, dilakukan pembuatan diagram sequence (Lampiran 20) dan bisnis proses model untuk memberikan keterangan alur yang lebih detil (Lampiran 21).

Pembahasan

Pada rancangan alur umum dari sistem untuk pengguna yang sudah pernah terdaftar dan untuk pengguna baru. Setelah rancangan semua telah selesai, dilakukan tahap pembuatan rancangan antar muka untuk tampilan aplikasi, terdiri dari: tampilan selamat dating (Lampiran 1 dan 3), tampilan registrasi (Lampiran 2), tampilan menunggu sinyal GPS (Lampiran 4), tampilan menu utama(Lampiran 5), dan tampilan peta rekomendasi awal (Lampiran 6).

Proses penghitungan rekomendasi terbagi menjadi 3 berdasarkan konteks yaitu : Jarak, info profil, dan waktu (frekuensi). Pada Lampiran 8 merupakan tampilan perhitungan rekomendasi, tampilan ini memungkinkan pengguna untuk melakukan cheklist lebih dari satu konteks yang dapat dipilih. Olehkan itu, dari 3 konteks tersebut dapat dihasilkan 7 kombinasi yang berbeda yaitu:

a. Jarak saja b. Info profil saja c. waktu saja waktu d. Jarak dan info profil e. Jarak dan waktu dapat f. Info profil dan waktu g. Jarak, info profil, dan waktu

25

Olehkarena itu, perhitungan uang dilakukan juga berbeda-beda, misal seorang pengguna melakukan akses aplikasi dengan pengaturan sebagai berikut :

a. Jarak saja Pada perhitungan ini sistem akan melakukan pengambilan data berdasarkan

current location (logitude dan latitute) dari posisi pengguna saat ini dan dilakukan perbandingan dengan semua location dari obyek wisata. Hasilnya adalah dipilih dari 3 terdekat lokasi obyek wisata dengan pengguna.

b. Info profil saja Pada perhitungan ini menggunakan data yang ada pada database yang diisi

pada saat pengguna melakukan pendaftaran pertama kali ke sistem. Data info profil yang menjadi acuan adalah hobi dan usia pengguna yang akan disesuaikan dengan fasilitas yang ada pada semua obyek wisata.

c. Waktu saja Pada perhitungan ini, dapat dilakukan apabila pengguna telah melakukan

kunjungan ke beberapa obyek wisata sebelumnya. Perhitungan dapat dilakukan berdasarkan berapa sering/ frekuensi kunjungan pengguna ke obyek wisata tertentu. Tiga obyek wisata yang paling banyak dikunjungi pengguna maka obyek wisata tersebut yang akan menjadi rekomendasi.

d. Jarak dan info profil Pada perhitungan ini dilakukan terlebih dahulu perhitungan jarak dan info

profil secara terpisah, setelah itu baru di berikan bobot antar keduanya, jika obyek wisata tersebut memiliki jaraknya dekat tetapi tidak sesuai dengan profil maka obyek wisata tersebut tidak dapat direkomendasikan, jika jaraknya jauh namun sesuai dengan profil penguna maka obyek wisata tersebut juga tidak direkomendasikan, obyek wisata yang direkomendasikan apabila jaraknya termasuk tidak terlalu jauh dan sesuai dengan profil pengguna. Apabila tidak ada yang sesuai maka sistem tidak akan menampilkan hasil rekomendasi.

e. Jarak dan waktu Pada perhitungan ini dilakukan terlebih dahulu perhitungan jarak dan waktu

secara terpisah, setelah itu baru di berikan bobot antar keduanya, jika obyek wisata tersebut memiliki jaraknya dekat tetapi tidak sesuai dengan frekuensi waktu kunjungan pengguna maka obyek wisata tersebut tidak dapat direkomendasikan, jika jaraknya jauh namun sesuai dengan frekuensi kunjungan maka obyek wisata tersebut juga tidak direkomendasikan, obyek wisata yang direkomendasikan apabila jaraknya termasuk tidak terlalu jauh dan sesuai dengan frekuensi kunjungan. Apabila tidak ada yang sesuai maka sistem tidak akan menampilkan hasil rekomendasi.

f. Info profil dan waktu Pada perhitungan ini dilakukan terlebih dahulu perhitungan waktu dan info

profil secara terpisah, setelah itu baru di berikan bobot antar keduanya, jika obyek wisata tersebut memiliki frekuensi waktu yang paling banyak dikunjungi tetapi tidak sesuai dengan profil maka obyek wisata tersebut tidak dapat

26

direkomendasikan, obyek wisata yang direkomendasikan apabila obyek wisata tersebut sering dikunjungi penguna aplikasi tersebut dan sesuai dengan profil pengguna. Apabila tidak ada yang sesuai maka sistem tidak akan menampilkan hasil rekomendasi.

g. Jarak, info profil, dan waktu Pada perhitungan ini dilakukan terlebih dahulu perhitungan jarak, waktu dan

info profil secara terpisah, setelah itu baru di berikan bobot antar ketiganya, jika obyek wisata tersebut memiliki jaraknya dekat tetapi tidak sesuai dengan profil pengguna dan frekuensi waktu kunjungan maka obyek wisata tersebut tidak dapat direkomendasikan, jika jaraknya jauh namun sesuai dengan profil dengan waktu frekuensi kunjungan penguna maka obyek wisata tersebut juga tidak direkomendasikan, obyek wisata yang direkomendasikan apabila jaraknya termasuk tidak terlalu jauh dan sesuai dengan profil pengguna dan obyek wisata tersebut sering dikunjungi pengguna (dilihat dari frekuesi kunjungan pengguna ke obyek wisata tesebut). Apabila tidak ada yang sesuai maka sistem tidak akan menampilkan hasil rekomendasi.

Rancangan alur umum sistem aplikasi rekomendasi yang dibuat adalah

sebagai berikut :

Gambar 14 Rancangan alur umum aplikasi RSs

Pada Gambar 14 menjelaskan tentang menu-menu aplikasi dari fungsi sistem. Menu registrasi dan home. Pada menu home terdapat menu peta dan pengaturan rekomendasi. Pada menu setting rekomendasi, pengguna dapat mengatur rekomendasi berdasarkan konteks yang tersedia. Setelah mengatur rekomendasi, aplikasi akan memunculkan rekomendasi sesuai dengan pengaturan

27

tersebut. Hasil dari pengaturan tersebut akan muncul selah sistem melakukan perhitungan CARS. Hal ini juga di jelaskan pada Gambar 15 yang menerang mekanisme aplikasi RSs. Gambar 15 menjelaskan secara detail bagaimana alur penggunaan sistem rekomendasi yang dibuat, dimulai dari pengguna dapat melakukan registrasi. Jika registrasi yang dilakukan berhasil, input data register yang tersimpan di dalam database. Jika data sudah tersimpan di dalam database, pengguna dapat kembali masuk dan melakukan koneksi GPS. Setelah GPS sudah terkoneksi, maka aplikasi akan melakukan load data posisi kita sekarang dan menampikan informasi tentang posisi pengguna berada saat ini.

Gambar 15 Struktur menu aplikasi RSs m-ecotourism

Kemudian sistem akan melakukan penyimpan data longitude dan latitude

dari pengguna sekarang dan dikirim ke database untuk selanjutnya dilakukan perhitungan rekomendasi dengan metode context aware recommender systems. Gambar 15 menjelaskan tentang struktur menu yang terdapat pada aplikasi, untuk tampilan m-ecotourism (Lampiran 1), untuk tampilan register (Lampiran 2), sebelum mengakses aplikasi pengguna diwajibkan untuk melakukan pendaftaran terlebih dahulu jika perdaftaran tersebut berhasil makan akan terlihat tampilan halaman masuk aplikasi (Lampiran 3).

Pada halaman masuk aplikasi pada saat pengguna menekan tombol masuk otomastis sistem akan memvalidasi pengguna tersebut, jika pengguna menekan tombol keluar maka sistem tidak akan melakukan validasi (Lampiran 4), jika pendaftaran yang dilakukan gagal karena pengisian tidak lengkap maka sistem tidak akan masuk ke halaman selanjutnya hingga pengguna tersebut dapat mengisi form pendaftaran secara lengkap. Jika sudah maka akan masuk ke halaman home/ halaman utama dari aplikasi yang berisi menu-menu dari aplikasi (Lampiran 5) seperti tombol peta rekomendasi yang berisi rekomendasi obyek wisata yang diperoleh dari hasil perhitungan rekomendasi (Lampiran 6). Kemudian ada tombol semua obyek wisata, yaitu tombol untuk melihat semua obyek wisata yang tersimpan di dalam database (Lampiran 7).

Kemudian pada menu home juga terdapat tombol pengaturan rekomendasi, tombol pengaturan rekomendasi berguna untuk memberikan hasil perhitungan rekomendasi berdasarkan cheklist yang dilakukan pengguna pada menu ini (Lampiran 8). Setelah pengguna melakukan pengaturan rekomendasi, untuk melihat hasilnya pengguna harus kembali ke menu home, kemudian memilih tombol peta rekomendasi maka akan muncul tampilan peta yang

28

direkomendasikan sesuai dengan pengaturan yang dilakukan (Lampiran 9), kemudian pengguna dapat memilih obyek wisata yang direkomendasikan dengan menekan pushpin yang ada dipeta untuk melihat infomasi tentang obyek wisata yang direkomendasikan tersebut (Lampiran 10).

Pada halaman informasi tersebut terdapat tombol kunjugi untuk melihat informasi yang lebih lengkap (Lampiran 11). Pada halaman tersebut terdapat tombol history, jika tombol tersebut ditekan maka pengguna dapat melihat history dari obyek wisata mana yang sudah dikunjung (Lampiran 12). Pengguna juga dapat mengetahui jarak tempuh dari posisi pengguna dengan obyek wisata yang akan dikunjungi dengan menekan tombol kunjungi pada halaman detail informasi obyek wisata (Lampiran 13), jika pengguna ini mengakhiri aktifitas pada aplikasi m-ectourism, pengguna dapat menekan tombol keluar dan akan tampil pesan untuk konfirmasi pembatalan aktifitas (Lampiran 14). Sebagai pengguna baru apabila belum melakukan aktifitas maka peta rekomendasi akan menampilkan hasil rekomendasi default berdasarkan info profil pengguna pada saat melakukan pendaftaran saja.

Sedangkan hasil perancangan dari framework mekanisme aplikasi sistem rekomendasi ini dijelaskan pada Gambar 17 sebagai berikut :

Gambar 16 Alur sistem rekomendasi

Perhitungan dilakukan dengan melihat dari posisi LBS pengguna dan obyek wisata, membandingkan dengan jarak dengan melihat dengan context yang dipilih. Selanjutnya dari hasil rekomendasi tersebut akan muncul saran berupa obyek wisata yang ditunjukkan dengan menggunakan pushpin dalam peta. Namun sebelumnya aplikasi harus memperoleh data pengguna. Data tersebut diambil dari proses pendaftaran pertama kali pada saat pengguna mengakses aplikasi. Perhitungan rekomendasi dilakukan oleh sistem, pengguna tidak dapat melihat proses tersebut, pengguna akan mendapatkan hasil rekomendasi dalam bentuk peta (Lampiran 9).

29

Gambar 17 Cakupan aplikasi mobile ekowisata

Gambar 17 menerangkan tentang framework rancangan aplikasi dimana rancangan aplikasi pertama kali mengakses current location dari posisi pengguna. Kemudian muncul hasil rekomendasi berupa obyek wisata. Pada aplikasi ini sistem dapat melakukan prefrenceschecking, fasility checking, Location Base Services (LBS), pemberian informasi, mapretrival, dan lain-lainnya.Aplikasi ini telah dilakukan pengujian blackbox testing seperti pada Lampiran 27.

30

5 SIMPULAN DAN SARAN

Simpulan

Berdasarkan pada tujuan pertama dapat disimpulkan hasil penelitian ini adalah mekanisme rekomendasi ekowisata telah dikembangkan dengan metode context aware recommender systems (CARS) untuk menghasilkan rekomendasi yang mendukung aplikasi mobile RSs dengan menggunakan data spasial ekowisata dan berdasarkan tujuan kedua dapat disimpulkan hasil penelitian telah membuat aplikasi sistem rekomendasi pada perangkat mobile dikembangkan berdasarkan profil pengguna dengan pendekatan context, diterapkan pada perangkat mobile yang dapat memberikan rekomendasi kepada pengguna berdasarkan profil pengguna dengan melihat kecenderungan kesukaan terhadap aktifitas pengguna dan current location. Sehingga pengguna dapat memperoleh informasi dengan lebih efisien karena dapat diakses dimanapun dan kapanpun. Aplikasi ini dapat membantu memudahkan pengguna menemukan lokasi dan mencari informasi tentang obyek ekowisata khususnya untuk wilayah Bogor. Penerapan teknologi berbasis mobile ini diharapkan menjadi solusi praktis bagi para wisatawan (user) yang ingin berpergian ke daerah Bogor yaitu dapat di akses kapanpun disetiap waktu dan dimanapun tempat pengguna aplikasi berada sehingga memudahkan pengguna dan pemanfaatnya dapat menjadi lebih maksimal dan meyeluruh, aplikasi ini memiliki syarat dalam penggunaanya yaitu aplikasi mobile tersebut harus memiliki paket data yang sudah di hubungkan dengan provider untuk menghubungkan sinyal GPS.

Saran

Peneliti menyadari bahwa dalam pembuatan aplikasi ini masih terdapat banyak kekurangan. Penelitian yang dilakukan masih berfokus pada pengembangan aplikasi sistem rekomendasi mobile pada studi kasus ekowisata. Sistem yang dibangun masih memiliki kekurangan yaitu belum secara menyeluruh mengatasi permasalahan yang ada untuk studi kasus tersebut, pengetahuan akan ekowisata belum dipaparkan secara menyeluruh. Berdasarkan penelitian yang dilaksanakan, penulis memiliki saran kepada siapa saja yang ingin mengembangkan atau menyempurnakan aplikasi ini. Diharapkan pada penelitian selanjutnya dapat dilakukan:

1. Melakukan evaluasi kesesuaian rating dengan preferences profil pengguna dalam bentuk konfirmasi dan refinement agar aplikasi ini dapat dijadikan produk yang sesuai dengan kebutuhan pasar pengguna aplikasi.

2. Pendaftaran dapat diintegrasikan dengan profil pengguna melalui jejaring sosial, kedetailan data untuk penambahan fitur, dan perluasan wilayah.

31

DAFTAR PUSTAKA

Adomavicius G, Tuzhilin A. 2011. Context Aware Recommender Systems, Handbook Recommendation Systems. Berlin (DE): springer.

Avenzora R. 2008. Ekotourisme- Teori dan Praktek. Nias (ID) : BRR NAD. [BPS] Badan Pusat Statistik (ID). 2011. Statistik Telekomunikas Tahun 2011.

http://www.bps.go.id/hasil_publikasi/stat_telkom_2011/index3.php?pub=Statistik%20 Telekomunikasi%20Tahun%202011 (diakses tanggal 12 maret 2013 jam 22.30).

Burke R. 2007. Hybrid Web Recommendation System. In : the Adaptive Web, pp.377-408. Berlin/ Heidelberg (DE): springer.

Cao L. 2007. Data mining for business applications. London (GB) : Springer. Chen AY, Mcleod D. 2006. Collaborative Filtering for information

Recommendation System. Encylopedia of E-commerce, E-government, and Mobile Commerce, PP 118-183.

Danardatu AH. 2007. Pengenalan Customer Relationship. Yogyakarta (ID): Andi. Fennell, D. 2005. Ecotourism second edition, New York (US): Routledge. Han J, Micheline K, Jian P. 2012. Data Mining Concepts and Techniques. New

York (US): MK- Elsevier. Inc . Husain W dan Yih LD. 2012. A framework of a personalized location based

traveler recommendation system in mobile Application. International journal of multimedia and ubiquitous engineering. vol 7, no 3 july.

Kahng M, Lee S, Lee S. 2001. Ranking In Context Aware Recommender Systems. ACM 978-1-4503-0637-9/11/03.

Malthouse, Edward C, Bobby J C. 2005. “Relationship Branding and CRM”. in Alice Tybout and Tim Calkins. Kellogg on Branding. Wiley.

McGinty L, Smiyth B. 2006. Adaptive selection : analysis of critiquing and preference based feed back in conversational recommender systems. International Journal of Electronic Comerce, II(2), PP 35-57.

Prahasta, Eddy. 2009. Sistem Informasi Geografis: Konsep-konsep Dasar (Perspektif Geodesi & Geomatika). Bandung (ID) : Penerbit Informatika.

Rajabidfard A, Williamson. 2000. Spatial Data Infrastructures : Concept, SDI Hierarchy and Future Directions. Melbourne, Victoria: Spatial Data Research Group, Department of Geomatics, The University of Melbourne, 2000a. Spatial Data Infrastructures:An Initiative To Facilitate Spatial Data Sharing. Melbourne, Victoria: Spatial Data Research Group, Department of Geomatics, The University of Melbourne (AU), 2000b.

Ricci F, Rokach L, Shapira B, Kantor PB. 2011. Recommender Systems Handbook. New York (US) : Springer.

Safaat, N. 2012. Android “Pemogramanan aplikasi mobile smartphone dan tablet PC berbasis Android” Edisi Revisi. Bandung (ID) : Informatika.

Satzinger, John W, Robert BJ, Stephen D. 2007. Fourth Edition-System Analysis and Design in A Changing World. Canada (US): THOMSON.

Sharda N. 2010. Tourism informatics: visual travel recommender systems social communities and Pengguna interface design. Information Science Reference. New York (US) : Hershey.

32

Singh S, Mobasher B. 2007. Contextual Recommendation.Springer-Verlag Berlin (DE) Heidelberg. B. Berendt et al. (Eds.): WebMine 2006, LNAI 4737, pp. 142–160, 2007.

Sommerville I. 2011. Software engineering - ninth edition. Boston (US): Addison Wasley-Pearson.

Sunarminto T. 2012. Pengembangan Kapasitas Para Pihak (Stakeholders) Bagi pembangunan ekowisata Di kawasan Cibodas, Jawa Barat. Dissertasi. Program Pasca Sarjana, Institut Pertanian Bogor.

Sunyoto, A. 2007. Membangun web dengan teknologi asynchronouse Java script dan xml. Yogyakarta (ID) : Andi.

Supardi, Y. 2011. Semua bisa menjadi programmer ANDROID – Basic. Jakarta (ID) : PT Elex Media Komputindo.

Triptsis K, Chorianopoulos A. 2009. Data Mining Techniques in CRM Inside Customer Segmentaion. West Sussex (DE): Wiley.

Wulan. 2002. Methodology for Selection of Framework Data : Use case Study for NSDI in China. Enschede: Thesis Degree of Master of Science in GeoInformation Management, International Institute of GeoInformation and Earth Observation (ITC).

Lampiran

Lampiran

Halaman ipernah ter

1 Tampilan

2 Tampilan

ini dikhusurdaftar tidak

n halaman d

n halaman r

skan untuk k perlu meng

LAMPIR

depan aplika

egistrasi

pengguna bgisi formuli

RAN

asi RSs

baru dan hair ini.

anya muncuul sekali, ap

33

pabila

34

Lamp

Lamp

piran 3 Tam

piran 4 Tam

mpilan halam

mpilan menu

man masuk

unggu sinyaal GPS

Lampiran

Lampiran

5 Tampilan

6 Tampilan

n menu apli

n halaman r

kasi

ekomendas

i awal

35

36

Lamp

Lamp

piran 7 Tam

piran 8 Tam

mpilan semu

mpilan halam

ua obyek wi

man pengatu

isata

uran rekom

mendasi

Lampiran

Lampiran

9 Tampilan

10 Tampila

n peta rekom

an informas

mendasi

si obyek wis

sata

37

38

Lamp

Lamp

piran 11 Ta

piran 12 Ta

ampilan hala

ampilan data

aman detail

a transaksi

l obyek wisa

ata

Lampiran

Lampiran

13 Tampila

14 Tampila

an informas

an keluar ap

si jarak

plikasi

39

40

Lampiran 15 Tabel data kamus data pengguna (User) No Field Type Data Length Keterangan 1 Id User Int 5 Primary Key 2 Nama User String 30 Data 3 Alamat Tinggal Varchar 100 Data 4 Tempat Lahir String 20 Data 5 Tanggal Lahir Date 0 Data 6 No Telp Number 15 Data 7 Email Varchar 30 Data 8 Pekerjaan Varchar 50 Data 9 Hobi Varchar 50 Data 10 Status Perkawinan Int 2 Ya/Tidak

Lampiran 16 Tabel kamus data ekowista

No Field Type Data Length Keterangan 1 Id Eco Int 5 Primary Key 2 Nama Eco Varchar 50 Data 3 Alamat Text - Data 4 No Telp Number 25 Data 5 Email/web Varchar 50 Data 6 HTM/Biaya masuk Number 25 Data 7 Keterangan fasilitas Text - Data 8 Longitute Number 20 Data 9 Latitude Number 20 Data

Lampiran 17 Tabel kamus data kriteria

No Field Type data Lenght Keterangan 1 Id kriteria Int 5 Primary Key 2 Item Varchar 30 Data 3 Umur Char 3 Data 4 Jenis kelamin Char 2 Data

Lampiran 18 Tabel kamus data fasilitas

No Field Type data lenght Keterangan 1 Id fasilitas int 5 Primary Key 2 Jenis fasilitas string 30 Data 3 Nama fasilitas string 30 Data 4 biaya number 15 Data

41

Lampiran 19 Diagram aktivitas untuk registrasi pengguna

Lampiran 20 Diagram Sequence proses register

[False]

User Sistem Rekomendasi

[False]

[True]

[True]

[False][False]

Melakukan LoginRegister

Berhasil Register

Melihat Peta & Memilih Menu

Validasi Login

Berhasil Login

Menampilkan Peta & Rekomendasi Ecotourism

42

Lampiran 21 Diagram BPMN seluruh aktifitas pengguna dan aplikasi

User

Mulai

Membuka Aplikasi

Melakukan Registrasi

Melihat Rekomendasi

Memilih Rekomendasi

Menerima Informasi Lokasi

Melakukan Kunjungan Ke Lokasi Ecotourism

Menandai Kunjungan

Selesai

Memilih Menu

par1

Peta Default

Seting Rekomendasi

Peta Objek

Info

Baru?

[Ya]

[Tidak]

Sistem Rekomendasi

[Ya]

[Tidak]

[Ya]

[Tidak]

Memeriksa Ketersediaan Id

Memeriksa Id

Mulai Memeriksa Id

Selesai Memeriksa Id

Data User

Menyimpan Data Registrasi

Menampilkan Halaman Utama

Menampilkan Rekomendasi dalam

Tampilan Peta

Menampilkan Informasi Terkait

Rekomendasi Dipil ih

Menentukan Lokasi Saat Ini

Menerima Informasi Koordinat

Data User : 1

Mulai Menjalankan Aplikasi

Status Id

Meminta Kordinat Lokasi

Menampilkan rekomendasi | contex:

profil,jarak2

Menampilkan Setingan contex2

Menampilkan rekomendasi | contex:

sesuai setingan2

Menampilkan hal info2

Menampilkan data semua objek2

Menghitung rekomendasi dg CARS2

Menghitung transaksi masing2 contex

Menghitung rating

Melakukan Sorting

Menghitung Ranking

Menampilkan ranking 3 besar

Mulai hitung rekomendasi

Selesai hitung rekomendasi

par2

par3

Update Transaksi

Menampilkan Halaman Registrasi

Id tersedia?

Data User : 2

Global Positioning System

Menerima Sinyal GPS

Memberikan Informasi Lokasi

(Koordinat)

43

Lam

pira

n 22

Daf

tar h

asil

surv

ei 2

1 ob

yek

wis

ata.

Id.

Nam

a Lo

kasi

A

lam

at

No.

Tel

p Em

ail

Web

Lo

ngitu

de

Lang

itude

Fa

silit

as

1 Li

do

Rec

reat

ion

Cen

tre

Jl. R

aya

Bog

or

Suka

bum

i K

m. 2

1,

Bog

or

0251

8221

676

- -

06o4

4.53

1’10

6o48

.530

’ K

olam

Ren

ang,

Cot

tage

, Se

peda

Air,

Rak

it,

Res

taur

ant,

Wis

ata

Dan

au

2 Te

laga

M

alim

ping

Kp.

M

alim

ping

C

igom

bong

- B

ogor

0251

9148

919

Tam

anw

isat

a_t

elag

amal

impi

ng@

yaho

o.co

m

ww

w.te

laga

mal

impi

ng.c

om

06o4

2.80

1’10

6o48

.034

’ W

ater

Par

k, O

utbo

nd,

Tera

pi Ik

an

3 C

itra

Ala

m

Des

a Jo

gjog

an,

Cile

mbe

r, C

isar

ua

0251

9073

284

- w

ww

.rum

ahta

nah

liatc

itra.

com

06

o40.

114’

106o

56.3

09’

Out

bond

, Pel

atih

an S

eni

Mem

buat

Ker

amik

, Pe

latih

an M

emba

tik,

Cam

ping

, Pen

gina

pan

4 Ta

man

Sa

fari

Indo

nesi

a

Jl. R

aya

Punc

ak N

o.

61, C

isar

ua,

Bog

or

0251

8250

000

safa

ri@ta

man

safa

ri.co

m

ww

w.ta

man

saf

arii.

com

06

o42.

596’

106o

56.7

67’

Safa

ri Pa

rk, A

nim

al

Educ

atio

n Sh

ow,

Out

bond

, Cam

ping

, Ed

ucat

ion

Scho

ol

Prog

ram

me,

Bab

y Zo

o,

Bird

Avi

ary,

Pen

gina

pan,

R

esta

uran

t

5 C

urug

7

Cile

mbe

r

Des

a Jo

gjon

gan,

K

ec. C

isar

ua

- C

urug

7cile

mbe

r@ya

hoo.

com

Cur

ug7c

ilem

ber.p

erum

perh

uta

ni.c

om

06o3

9.65

0’10

6o56

.736

’

Out

bond

, Cot

tage

, Vill

a,

Pain

t Bal

l, W

ater

fall

Rap

elin

g, P

endi

dika

n Ek

olog

i & K

onse

rvas

i H

utan

, Kup

u- k

upu,

C

ampi

ng

6 Ta

man

W

isat

a Jl

. Ray

a Pu

ncak

Km

. 02

5182

5223

9 m

arke

ting@

tam

anw

isat

amat

aw

ww

.tam

anw

isat

amat

ahar

i.co.

i06

o39.

441’

106o

55.1

64

Wah

ana

Tern

ak, A

gro

Saw

ah, O

utbo

nd, W

isat

a

44

Mat

ahar

i 77

, Cile

mbe

r -

Bog

or

hari.

co.id

d

Air,

Kol

am R

enan

g,

Cot

tage

, Pen

gina

pan,

A

gro

Sayu

r, V

illa,

W

ahan

a Ed

ukas

i

7

Kam

pung

W

isat

a C

inan

gnen

g

Jl. B

abak

an

Kem

ang

RT

01/0

2 C

ihid

eung

U

dik,

Kec

. C

iam

pea

0251

8621

895

hest

erba

soek

i@cb

n.ne

t.id

ww

w.k

ampo

engw

isat

acin

angn

eng.

com

06

o 33.9

82’

106o 42

.708

’

Tour

Kam

pung

, Bel

ajar

be

rmai

n A

ngkl

ung,

m

enya

nyik

an la

gu-la

gu

sund

a, b

elaj

ar m

enar

i su

nda,

mem

andi

kan

kerb

au

8

Wis

ata

Des

a K

ampu

ng

Bam

bu

Jl. D

esa

Cib

uray

ut

Cije

ruk

- B

ogor

06

o43.

267’

106o

47.8

91’

9 C

urug

N

angk

a

Des

a W

arun

g Lo

ak, K

ec.

Tam

an S

ari -

B

ogor

-

ww

w.k

otab

ogo

r.go.

id

06o3

9.86

6’10

6o43

.642

’ w

isat

a ai

r ter

jun,

air

terju

n ke

tingg

ian

anta

ra

10-2

0 m

.

10

Keb

un

Ray

a B

ogor

Jl. I

nsin

yur

Haj

i Jua

nda,

N

o 13

-

- bo

gorb

otan

icga

rden

s.org

-

-

Luki

san

dan

patu

ng,

Ista

na B

ogor

juga

m

engo

leks

i ker

amik

se

bany

ak 1

96 b

uah.

Se

mua

itu

ters

impa

n di

m

useu

m is

tana

, di

sam

ping

yan

g di

paka

i se

baga

i pem

ajan

g di

se

tiap

ruan

g/ba

ngun

an

ista

na

11

Kam

pung

B

uday

a Si

ndan

gbar

ang

Jl. E

. Su

maw

ijaya

Si

ndan

gbar

ang,

Kec

.

0856

9758

932

4 -

ww

w.k

p-si

ndan

gbar

ang.

com

06

o 37.8

45’

106o 45

.696

’

Wis

ata

Bud

aya,

Bel

ajar

al

at m

usik

trad

isio

nal,

Mem

batik

, Mar

ak L

auk,

Pr

akte

k N

utu,

Nan

dur,

45

Tam

ansa

ri O

utbo

nd, P

engi

napa

n,

Kon

sum

si

12

Situ

Ged

e Jl

. Tam

baka

n R

T 01

/05

Kel

. Si

tu G

ede

- -

ww

w.k

otab

ogo

r.go.

id

- 6.55

2108

855

2562

106.

7457

4487

618

Situ

Leu

tik (k

ini s

udah

m

engh

ilang

), Si

tu

Panj

ang,

dan

Situ

B

urun

g.

13

CIC

O

Jl.

Tum

angg

ung

Wira

diro

ja

216

Cim

ahpa

r, B

ogor

Uta

ra

0251

8657

220

mar

ketin

g@m

itra

kons

erva

si.c

o.id

ww

w.m

itrak

ons

erva

si.c

o.id

06

o35.

396’

106o

49.9

61’

Pend

idik

an p

eles

taria

n am

fibi d

an p

ohon

bua

h,

outb

bond

, cot

tage

, m

eetin

g ro

om

14

War

so

Farm

Des

a C

ihid

eung

, K

el. C

ipel

ang,

K

ec. C

ijeru

k

06

o41.

416’

106o

47.4

61’

15

Cur

ug

Luhu

r

Des

a W

arun

g Lo

a,

Kec

amat

an

Tam

ansa

ri,

Kab

upat

en

Bog

or,

Prop

insi

Jaw

a B

arat

.

-6

.580

335

106.

7470

32

Mel

ihat

pem

anda

ngan

da

n be

rmai

n di

wah

ana

air c

urug

16

Ran

cam

aya

Jl. R

anca

may

a U

tam

a, C

iaw

i - B

ogor

167

20

0251

8242

282

- w

ww

.ranc

amay

a.co

m

- 6.66

4842

457

5791

106.

8457

7326

205

Lapa

ngan

gol

f di A

ugus

ta

dan

St. A

ndre

ws.

Lapa

ngan

gol

f m

embe

ntan

g lu

as

deng

an18

-hol

e, 7

2-pa

r, da

n 6,

455-

yard

17

Kam

pung

ke

rajia

n Jl

. Ray

a B

ogor

--

- w

ww

.kot

abog

or.g

o.id

-6

.622

3 10

6.78

8565

H

asil

kera

jian

tang

gan

war

ga se

kira

dan

dap

at

46

Cik

aret

C

iapu

s, ja

lan

yang

m

elin

tasi

K

elur

ahan

C

ikar

et d

an

Des

a Pa

sir

Eurih

, ke

cam

atan

bo

gor s

elat

an

mel

ihat

car

a pe

mbu

atan

se

ndal

dan

cep

atu,

dan

ke

rajia

n ta

ngan

lain

nya

18

Plaz

a K

apte

n M

uslih

at

Jl. K

apt.

Mus

lihat

no.

51

02

5134

5092

-

ww

w.k

otab

ogo

r.go.

id

-6.5

9592

5 10

6.79

0609

Mus

eum

per

juan

gan

kapt

en m

uslih

at d

an

wah

ana

berm

ain

anak

ade

su

ryan

i

19

Mus

eum

Pe

rjuan

gan

Jl. J

alan

M

erde

ka

No.

56,

Kel

urah

an

Cib

ogor

, K

ecam

atan

B

ogor

Te

ngah

, Kot

a B

ogor

161

24

0251

8242

282

- w

ww

.kot

abog

or.g

o.id

- 6.59

3041

501

1818

106.

7889

0326

859

Kol

eksi

mus

eum

terd

iri

atas

mac

am-m

acam

se

napa

n ya

ng d

igun

akan

pa

ra p

ejua

ng sa

at m

ereb

ut

kem

erde

kaan

, jug

a te

rdap

at se

napa

n ha

sil

ram

pasa

n da

ri Je

pang

dan

In

ggris

, mat

a ua

ng se

rta

dile

ngka

pi d

enga

n di

oram

a ya

ng

men

ggam

bark

an

perte

mpu

ran

di d

aera

h B

ogor

dan

seki

tarn

ya.

Sela

in it

u, m

useu

m in

i ju

ga m

emili

ki k

olek

si

paka

ian

peju

ang

yang

se

bagi

an d

i ant

aran

ya

mem

iliki

nod

a da

rah

asli

20

Wis

ata

Gg.

Aut

/ Jl

. -

- w

ww

.kot

abog

o-6

.596

914

106.

8023

6 Ja

jana

n kh

as la

in se

lain

47

Jaja

nan

Bog

or

Sury

aken

cana

B

ogor

r.g

o.id

as

inan

Bog

or a

dala

h ta

las

bogo

r, to

ge g

oren

g, la

ksa,

ge

puk

karu

hun,

nas

i tut

ug

onco

m, a

yam

gep

uk e

cho

raos

, mac

aron

i pan

ggan

g,

appl

e pi

e, e

s pal

a, c

omro

, ci

ncau

, dan

lain

-lain

21

Dan

au IP

B

Jl. R

aya

Dar

mag

a K

ampu

s IPB

D

arm

aga

Bog

or Ja

wa

Bar

at,

Indo

nesi

a.

Kod

e Po

s, 16

680.

0251

8622

642

- w

ww

.ipb.

ac.id

-6

.558

699

106.

7248

61

Bis

a be

rkel

iling

IPB

dan

m

enik

mat

in sa

ntap

an

mas

akan

di k

antin

kor

nita

48

Lam

pira

n 23

Lok

asi t

aman

wis

ata

mat

ahar

i

49

Lam

pira

n 24

Lok

asi c

urug

7 c

ilem

ber

50

Lam

pira

n 25

Lok

asi c

itra

alam

51

Lam

pira

n 26

Lok

asi t

aman

safa

ri

52

Lam

pira

n 27

Has

il pe

nggu

jian

blac

kbox

test

ing

No

Seke

nari

o pe

nguj

ian

Apl

ikas

i m

-eko

wis

ata

Para

met

er In

put

Out

put

Has

il U

ji St

atus

1 D

apat

mel

akuk

an re

gist

rasi

Pe

ngis

i fo

rm

pend

afta

ran

pada

ap

likas

i de

ngan

m

emas

ukan

da

ta

yang

di

min

ta

jika

data

va

lid

data

ak

an

ters

impa

n di

dala

m d

atab

ase,

dan

pe

nggu

na d

apat

mas

uk k

edal

am

aplik

asi

men

u ut

ama

jika

tidak

ak

an

mun

cul

mes

sage

box

dan

peng

guna

td

k da

pat

mas

uk

keda

lam

apl

ikas

i

Tam

pil m

enu

dafta

r da

n be

rhas

il m

aka

data

mas

uk

keda

lam

da

taba

se

dan

peng

guna

dap

at

mas

uk

keda

lam

ap

likas

i uta

ma

Val

id

2 D

apat

m

emili

h m

enu

utam

a ap

likas

i Te

kan

tom

bol

dafta

r pa

da

aplik

asi

Mas

uk m

enu

utam

a da

n da

pat

mem

ilih

tom

bol

men

u ap

likas

i la

inny

a

Men

ampi

lkan

men

u ut

ama

aplik

asi

Val

id

3 D

apat

m

elih

at

selu

ruh

obje

k w

isat

a Te

kan

tom

bol l

ihat

pet

a A

plik

asi a

kan

men

ampi

lkan

pet

a se

luru

h ob

yek

wis

ata

yang

ada

di

dala

m d

atab

ase

Apl

ikas

i m

enam

pilk

an

peta

ob

yek

wis

ata

Val

id

4 D

apat

m

elih

at

hasi

l re

kom

enda

si

berd

asar

kan

peng

atur

an :

a.

Jara

k Te

kan

tom

bol

peng

atur

an

kem

udia

n

men

gakt

ifkan

to

mbo

l che

klis

t Jar

ak sa

ja

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n ja

rak

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n ja

rak

Val

id

b.

Wak

tu

Teka

n to

mbo

l pe

ngat

uran

ke

mud

ian

m

enga

ktifk

an

tom

bol c

hekl

ist w

aktu

saja

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n w

aktu

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n w

aktu

Val

id

53

c.

Info

Pro

fil

Teka

n to

mbo

l pe

ngat

uran

ke

mud

ian

m

enga

ktifk

an

tom

bol

chek

list

info

pr

ofil

saja

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n ja

rak

yang

ses

uai

deng

an i

nfo

prof

il

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n in

fo

prof

il

Val

id

d.

Jara

k da

n w

aktu

Te

kan

tom

bol

peng

atur

an

kem

udia

n

men

gakt

ifkan

to

mbo

l ch

eklis

t ja

rak

dan

wak

tu

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n ja

rak

dan

wak

tu

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n ja

rak

dan

wak

tu

Val

id

e.

Jara

k da

n in

fo p

rofil

Te

kan

tom

bol

peng

atur

an

kem

udia

n

men

gakt

ifkan

to

mbo

l ch

eklis

t ja

rak

dan

info

pro

fil

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n ja

rak

dan

info

pro

fil

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n ja

rak

dan

info

pro

fil

Val

id

f.

Wak

tu d

an in

fo p

rofil

Te

kan

tom

bol

peng

atur

an

kem

udia

n m

enga

ktifk

an

tom

bol

chek

list

wak

tu

dan

info

pro

fil

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n w

aktu

dan

info

pro

fil

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n w

aktu

da

n in

fo p

rofil

Val

id

g.

Jara

k, w

aktu

dan

info

pro

fil

Teka

n to

mbo

l pe

ngat

uran

ke

mud

ian

m

enga

ktifk

an

tom

bol c

hekl

ist j

arak

, wak

tu,

dan

info

pro

fil

Apl

ikas

i aka

n m

enam

pilk

an p

eta

ob

yek

wis

ata

yang

ada

did

alam

da

taba

se

pada

m

enu

peta

re

kom

enda

si y

ang

sesu

ai d

enga

n ja

rak,

wak

tu, d

an in

fo p

rofil

Apl

ikas

i m

enam

pilk

an

reko

men

dasi

be

rdas

arka

n ja

rak,

w

aktu

, da

n in

fo

prof

il

Val

id

54

5 D

apat

men

geta

hui j

arak

ant

ara

obye

k w

isat

a de

ngan

cur

rent

lo

catio

n pe

nggu

na

Teka

n to

mbo

l kun

jung

i mak

a si

stem

aka

n m

enam

pilk

an

jara

k ob

yek

wis

ata

Apl

ikas

i aka

n m

enam

pilk

an p

eta

obye

k w

isat

a ya

ng d

ipili

h da

n ak

an m

emun

culk

an g

aris

pe

nuju

k ja

lan

dan

men

ampi

lkan

ki

lom

eter

dan

dat

a te

rsim

pan

dida

lam

dat

abas

e

Apl

ikas

i m

enam

pilk

an ja

rak

dala

m k

ilom

eter

an

tara

oby

ek w

isat

a da

n lo

kasi

pe

nggu

na d

alam

be

ntuk

pet

a

Val

id

6 D

apat

mel

ihat

fitu

r fas

ilita

s ya

ng d

ihas

ilkan

dar

i oby

ek

wis

ata

yang

dire

kom

enda

sika

n

Teka

n to

mbo

l oby

ek w

isat

a ya

ng d

ilam

bang

kan

deng

an

logo

pus

h pi

n

Apl

ikas

i aka

n m

enam

pilk

an p

eta

obye

k w

isat

a ya

ng d

ipili

h da

n m

enam

pilk

an fa

silit

as d

ari o

byek

w

isat

a

Apl

ikas

i m

enam

pilk

an fi

tur

fasi

litas

dar

i oby

ek

wis

ata

Val

id

7 D

apat

men

geta

hui i

nfor

mas

i te

ntan

g ap

likas

i Te

kan

tom

bol t

enta

ng

aplik

asi

Apl

ikas

i aka

n m

enam

pilk

an

info

rmas

i ten

tang

apl

ikas

i A

plik

asi

men

ampi

lkan

ke

tera

ngan

tent

ang

aplik

asi

Val

id

55

DAFTAR ISTILAH

A Android Development Tools (ADT) : Perangkat lunak untuk mengeluarkan aplikasi.

berfungsi Untuk mempermudah programmer dalam pembuatan aplikasi pada Android OS.

Aplikasi mobile: Program yang digunakan orang untuk melakukan sesuatu pada

sistem komputer mobile dapat diartikan sebagai perpindahan yang mudah dari satu tempat ke tempat yang lain, misalnya telepon mobile berarti bahwa terminal telepon yang dapat berpindah dengan mudah dari satu tempat ke tempat lain tanpa terjadi pemutusan atau terputusnya komunikasi.

C

Collaborative filtering: Salah satu teknik yang ada pada sistem rekomendasi, dimana proses yang dilakukan berdasarkan ulasan rating dan feedback.

Community based: Salah satu teknik sistem rekomendasi yang berdasarkan pada

perhitungan komunitas.

Content based: Salah satu teknik dari sistem rekomendasi yang model perhitungannya berdasarkan profil pengguna.

Context Aware Recommendation Systems (CARS): Suatu metode dari sistem

rekomendasi yang berbasis pada contextualinformation. Tiga paradigma algoritma yang berbeda : Contextualpra-filtering, Contextualpasca-filtering, dan Contextual pemodelan.

Contextual recommendations: Hasil rekomendasi berdasarkan perhitungan yang ada

pada CARS, berupa item-item yang di rekomendasikan. Contextualized data: Data konteks yang akan di gunakan didalam perhitungan

CARS. Customer Relationship Management (CRM): Suatu model managemen hubungan

atara perusahaan dan pelanggannya. D

Data Spasial : Suatu data yang mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi.

Database Management Systems (DBMS): Software yang digunakan untuk

membangun sebuah sistem basis data yang berbasis komputerisasi. DBMS membantu dalam pemeliharaan dan pengolahan kumpulan data dalam jumlah

56

besar. Sehingga dengan menggunakan DBMS tidak menimbulkan kekacauan dan dapat digunakan oleh pengguna sesuai dengan kebutuhan.

E

Ekowisata (Ecotourism): Perjalanan yang bertanggung jawab ketempat-tempat yang alami dengan menjaga kelestarian lingkungan dan meningkatkan kesejahteraan penduduk setempat.

Entity Relationship Diagram (ERD): Suatu diagram yang menghubungkan antar

entitas yang diperoleh dari analisa kebutuhan system yang akan dibangun. G

Global Positioning System (GPS): Suatu alat yang dapat memberikan fasilitas LBS kepada pengguna.

Google map API: aplikasi interface yang dapat diakses lewat javascript agar Google

Map dapat ditampilkan pada halaman aplikasi yang sedang bangun. Google map: merupakan salah satu aplikasi web yang menyediakan fasilitas untuk

mencari suatu lokasi atau tempat tertentu dan menampilkannya didalam format peta.

H

Hybrid Recommender Systems: Salah satu cara atau metode perhitungan dari sistem rekomendasi yang proses perhitungannya menggabungkan 1 atau lebih metode yang ada sistem rekomendasi.

K

Knowledge Based: Salah satu metode dari sistem rekomendasi dimana proses pengitungannya menggunakan pola-pola pengetahuan.

L

Location Base Services (LBS): Suatu model layanan yang memberikan petunjuk berbasis pada posisi dari pengguna.

M

M-Ekowisata (M-Ecotourism): Aplikasi mobile yang dapat memberikan rekomendasi kepada pengguna tentang obyek ekowisata berdasarkan info profil, jarak, dan waktu.

Model 2D Recommender: Salah satu tahap dari model contextual pre-filtering yang

merupakan hasil perkalian antar user dan item. P

Profil Pengguna: Data-data yang berkaitan dengan info pengguna.

57

Preferences: Dalam bahasa indonesia yang berarti kecenderungan atau kesukaan

terhadap sesuatu. Pada aplikasi m-ekowisata, preferences pengguna sangat menentukan terhadap hasil rekomendasi yang akan diberikan.

S

Sistem Rekomendasi (RSs): Merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan atau merupakan suatu softwaretools dan teknik yang dapat memberikan saran untuk setiap item yang dapat digunakan kepada seorang pengguna.

U

Unified Modelling Language (UML): Metode pengembangan perangkat lunak (sistem informasi) dengan menggunakan metode grafis serta merupakan bahasa untuk visualisasi, spesifikasi, konstruksi serta dokumentasi.

58

RIWAYAT HIDUP

Penulis lahir di Jakarta pada tanggal 12 Januari 1987 sebagai anak pertama dari

dua bersaudara, pasangan Agus Redinar (alm) dan Siti Chasani. Penulis merupakan salah satu lulusan SD N 03 Pagi Jakarta tahun 1993-1999, kemudian melanjutkan ke SMP N 177 Jakarta tahun 1999 - 2002, melanjutkan ke SMA N 87 Jakarta pada tahun 2002 - 2005 dan kemudian penulis melanjutkan Pendidikan S1 di Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional Jakarta dengan mengambil jurusan Sistem Informasi pada tahun 2005 dan lulus pada 2009. Semasa menjadi mahasiswa S1 Penulis aktif didalam kegiatan organisasi mahasiswa dan pada tahun 2006 - 2009 dipilih menjadi assisten Lab Komputer. Kemudian pada tahun 2011 - 2013 penulis melanjutkan pendidikan S2 di Departemen Ilmu Komputer, Institut Pertanian Bogor. Saat ini penulis bekerja sebagai tenaga pengajar (dosen) di Jurusan Sistem Informasi dan Teknologi Informatika di Fakultas MIPA, Institut Sains dan Teknologi Nasional (ISTN) Jakarta sejak tahun 2009 sampai dengan sekarang.