CHATBOT FOR KNOWLEDGE – BASED MUSEUM RECOMMENDER SYSTEM (CASE STUDY: MUSEUM IN JAKARTA)

摘要

Sistem pemberi rekomendasi yang umum digunakan untuk merekomendasi museum adalah content-based filtering dan collaborative filtering. Tetapi, sistem pemberi rekomendasi tersebut mengalami permasalahan seperti cold start dan data sparsity, karena beberapa museum masih memiliki rating dan feedback yang rendah. Untuk mengatasi masalah tersebut, knowledge-based recommender system dapat digunakan untuk memberikan rekomendasi museum berdasarkan preferensi pengguna, sehingga sistem tidak perlu menggunakan rating dan feedback. Preferensi pengguna bisa didapatkan menggunakan conversational recommender system dengan memanfaatkan percakapan dua arah antara pengguna dengan sistem. Chatbot merupakan salah satu bentuk conversational recommender system yang umum digunakan. Penelitian ini mengembangkan sebuah chatbot untuk merekomendasikan museum di Jakarta menggunakan knowledge-based recommender system. Sistem yang dikembangkan menggunakan Rasa framework untuk membangun chatbot yang mampu melakukan percakapan dengan pengguna. Knowledge graph dan k-nearest neighbor digunakan untuk merekomendasikan museum berdasarkan preferensi pengguna. Berdasarkan evaluasi yang telah dilakukan, sistem yang dikembangkan dapat memahami pesan pengguna dan memberikan rekomendasi museum berdasarkan preferensi pengguna. Tetapi, performa sistem masih dapat dikembangkan supaya sistem dapat diandalkan pada skenario dunia nyata.