PERBANDINGAN ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING DALAM IMPLEMENTASI SISTEM REKOMENDASI DESTINASI WISATA DI INDONESIA

Abstrak

Pariwisata merupakan sektor strategis yang terus berkembang di Indonesia. Dengan beragamnya destinasi yang tersedia, diperlukan sistem yang mampu membantu wisatawan menemukan tempat yang sesuai dengan preferensi mereka. Penelitian ini bertujuan untuk membandingkan dua algoritma clustering K-Means dan Hierarchical Clustering dalam penerapan sistem rekomendasi destinasi wisata. Data yang digunakan terdiri dari kombinasi dataset destinasi wisata Indonesia dari Kaggle serta data rating dan komentar wisatawan dari Google Maps. Metodologi yang digunakan meliputi tahap praproses data, penerapan algoritma clustering, pembangunan sistem rekomendasi menggunakan Python dan Flask, serta evaluasi performa menggunakan Silhouette Coefficient. Hasil pengujian menunjukkan bahwa K-Means memiliki efisiensi komputasi yang lebih tinggi dan skor Silhouette rata-rata sebesar 0.65, sedangkan Hierarchical Clustering memberikan keunggulan dalam visualisasi hubungan antar data dengan skor rata-rata 0.61. Kesimpulan dari penelitian ini adalah bahwa pemilihan algoritma perlu disesuaikan dengan kebutuhan sistem, dan integrasi keduanya dalam pendekatan hybrid berpotensi menghasilkan sistem rekomendasi yang lebih adaptif dan akurat.