Laporan Proyek Akhir Machine Learning - Maulana Muhammad

Parawisata - Rekomendasi Destinasi Wisata Turis di Indonesia

Sumber Gambar

Pariwisata merupakan salah satu sektor yang menghasilkan devisa negara terbanyak dan sektor ini berperan penting dalam meningkatkan perekonomian suatu negara. Sektor pariwisata merupakan salah satu sektor strategis yang harus dimanfaatkan untuk pembangunan kepariwisataan sebagai mana bagian dari pembangunan Nasional. Pengaruh pariwisata terhadap ekonomi dengan menganalisis jumlah turis dan devisa pariwisata di Indonesia pada tahun 2014 menunjukan pertumbuhan pariwisata (devisa pariwisata dan jumlah turis) dan nilai tukar rupiah memiliki peningkatan kurs. Perkembangan pariwisata di Indonesia diikuti dengan jumlah turis kunjungan turis yang meningkat. Pada tahun 2013 terjadi peningkatan sektor pariwisata yang sebelumnya dari 10% menjadi 17% dari total ekspor barang dan jasa dengan penghasilan 10 Miliyar USD. Data pada tahun 2022 Badan Pusat Statistik (BPS) mencatat turis yang datang ke Indonesia naik menjadi 364%, hal ini jelas merupakan kenaikan yang sangat tinggi, dan dapat dipastikan tiap tahunnya akan ada peningkatan kenaikan kunjungan turis ke Indonesia.

Business Understanding

Pariwisata atau turisme adalah suatu perjalanan yang dilakukan untuk rekreasi atau liburan dan juga persiapan yang dilakukan untuk aktivitas ini. Sedangkan seorang wisatawan atau biasa disebut tirus merupakan seorang yang melakukan perjalanan setidaknya paling tidak sejauh 80 km dari tempat tinggalnya. Parawisata di Indonesia merupakan sektor penting karena sektor ini merupakan salah satu penyumpang devisa negara yang paling besar. Untuk para wisatawan atau turis melakukan wisata di Indonesia merupakan hal yang menyenangkan karena banyaknya wisata di Indonesia seakan tidak ada habisnya. Karena keanekaragaman wisata di Indonesia sangat banyak, ini juga dapat menimbulkan masalah, karena wisatawan atau turis yang ingin melakukan perjalanan wisata menjadi bingung untuk memulai dari mana. Oleh karena itu dibuatlah sistem rekomendasi untuk merekomendasikan wisatawan atau turis berdasarkan informasi masa lalu yaitu berupa tempat wisata yang pernah dikunjungi dan rekomendasi berdasarkan rating dari tempat wisata.

Problem Statement

Menjelaskan pernyataan masalah latar belakang:

• Berdasarkan data wisatawan atau turis, bagaimana membuat sistem rekomendasi yang dipersonalisasi dengan teknik content-based filtering?
• Dengan data rating dari wisatawan atau turis, bagaimana cara untuk merekomendasikan destinasi wisata lain yang mungkin disukai oleh wisatawan atau turis yang tidak pernah mengunjungi tempat tersebut?

Goals

Menjelaskan tujuan dari pernyataan masalah:

• Menghasilkan rekomendasi destinasi parawisata yang dipersonalisasi untuk wisatawan atau turis dengan content-based filtering.

• Menghasilkan rekomendasi destinasi wisata yang sesuai dengan preferensi wisatawan atau turis yang belum pernah dikunjungi sebelumnya dengan collaborative filtering.

  Solution statements

  • Menggunakan cosine similarity untuk melakukan rekomendasi content-based filtering dengan mencari kemaripan antar data.
  • Membuat class RecommenderNet dengan keras Model Class untuk melakukan rekomendasi menggunakan collaborative filtering berdasarkan rating wisatawan atau turis.

Data Understanding

Dataset : Indonesia Tourism Destination

Overview

• Nama dataset : Indonesia Tourism Destination
• Jumlah file terdiri dari :
  • package_tourism.csv
  • tourism_rating.csv
  • tourism_with_id.csv
  • user.csv
• Jumlah kolom terdiri dari :
  • package_tourism.csv : 7
  • tourism_rating.csv : 3
  • tourism_with_id.csv : 12
  • user.csv : 3
• Jumlah data terdiri dari :
  • package_tourism.csv : 100
  • tourism_rating.csv : 10000
  • tourism_with_id.csv : 437
  • user.csv : 300
• Usability : 8.24
• License : Data files © Original Authors (A_PRABOWO)
• Date Updated : 21 July 2021

Variabel-variabel pada Indonesia Tourism Destination dataset adalah sebagai berikut:

• Variabel pada package_tourism.csv
  • Package : Paket destinasi wisata
  • City : Kota pada paket destinasi wisata
  • Place_Tourism1 : Tempat destinasi wisata pertama
  • Place_Tourism2 : Tempat destinasi wisata kedua
  • Place_Tourism3 : Tempat destinasi wisata ketiga
  • Place_Tourism4 : Tempat destinasi wisata keempat
  • Place_Tourism5 : Tempat destinasi wisata kelima
• Variabel pada tourism_rating.csv
  • User_Id : Id wisatawan atau turis
  • Place_Id : Id tempat wisata
  • Place_Ratings : Rating tempat wisata
• Variabel pada tourism_with_id.csv
  • Place_Id : Id tempat wisata
  • Place_Name : Nama tempat wisata
  • Description : Deskripsi tempat wisata
  • Category : Kategori tempat wisata
  • City : Kota tempat wisata berada
  • Price : Harga tempat wisata
  • Rating : Rating tempat wisata
  • Time_Minutes : Lama waktu berwisata
  • Coordinate : Koordinat tempat wisata
  • Lat : Latitude tempat wisata
  • Long : Panjang dari tempat wisata
  • Unamed: 11 : Data tanpa penjelasan
  • Unamed: 12 : Data tanpa penjelasan
• Variabel pada user.csv
  • User_Id : Id dari user
  • Location : Lokasi user
  • Age : Umur user

Data Understanding Collaborative Filtering

• Menggunakan data preparation pada data preparation, buat variabel baru bernama cf dengan memasukkan data preparation.
• Kemudian encoder User_Id dan Place_Id menjadi indeks integer.
• Kemudian mapping User_Id dan Place_Id kedalam proses encoder sebelumnya.
• Kemudian cek jumlah user dan place, lalu ubah nilai Place_Ratings menjadi float

Data Preprocessing

Data Analysis

• Menentukan file.csv yang akan digunakan untuk sistem rekomendasi, file yang digunakan diantaranya :

  • tourism_with_id.csv pada variabel tourism
  • tourism_rating.csv pada variabel rating

• Kemudian cek jumlah fitur numerik dan kategori pada tourism, diperoleh informasi numerik terdiri dari 8 fitur, dan kategori terdiri dari 5 fitur, diantaranya sebagai berikut :

  • Numerik :
    • Place_Id : int64
    • Price : int64
    • Rating : float64
    • Time_Minutes : float64
    • Lat : float64
    • Long : float64
    • Unnamed: 11 : float64
    • Unnamed: 12 : float 64
  • Kategori :
    • Place_Name : object
    • Description : object
    • Category : object
    • City : object
    • Coordinate : object

• Karena pada sistem rekomendasi ini hanya merekomendasikan tempat wisata berdasarkan tempat wisata yang telah dikunjungi sebelumnya, maka fitur selain Place_Id, Place_Name dan Category akan dihapus.

• Kemudian cek jumlah fitur numerik dan kategori pada rating, diperoleh informasi numerik 3 fitur sedangkan kategori tidak ada, diantaranya sebagai berikut :

• Numerik :

  • User_Id : int64
  • Place_Id : int64
  • Place_Ratings : int64

• Kemudian melihat distribusi data dari rating

  	User_Id	Place_Id	Place_Ratings
  count	10000.000000	10000.000000	10000.000000
  mean	151.292700	219.416400	3.066500
  std	86.137374	126.228335	1.379952
  min	1.000000	1.000000	1.000000
  25%	77.000000	108.750000	2.000000
  50%	151.000000	220.000000	3.000000
  75%	226.000000	329.000000	4.000000
  max	300.000000	437.000000	5.000000

  Terlihat pada tabel distribusi, dapat dipastikan tidak terdapat bahwa terdapat data duplikat pada fitur User_Id, data duplikat ini akan diproses pada proses data preparation.

• Kemudian menggabungkan fitur Category dan Place_Name pada tourism ke dalam variabel rating.

• Kemudian cek data null pada variabel all_tourism yang berisi fitur-fitur yang telah digabung sebelumnya.

Univariate Exploratory Data Analysis

• Melakukan teknik EDA menggunakan univariate analysis dengan memvisualisasikan data untuk memahami satu persatu data pada fitur yang telah diolah sebelumnya.

  • Fitur Place_Ratings

    

    Dapat dilihat pada visualisasi diatas, masing-masing rating memiliki persentase yang hampir mirip, berikut merupakan persentase dan jumlah sample secara spesifik dari visualisasi diatas diurutkan dari yang terbanyak hingga terendah :

    • Rating 4 : 2106 sample, 21.1%
    • Rating 3 : 2096 sample, 21.0%
    • Rating 2 : 2071 sample, 20.7%
    • Rating 5 : 2021 sample, 20.2%
    • Rating 1 : 1706 sample, 17.1%

  • Fitur Category

    

    Terlihat bahwa 50% dari keseluruhan data berada pada Category Taman Hiburan dan Budaya, berikut merupakan presentase dan jumlah sample spesifik dari fitur Category diurutkan dari terbesar hingga terendah :

    • Taman Hiburan : 3053 sample, 30.5%
    • Budaya : 2683 sample, 26.8%
    • Cagar Alam : 2415 sample, 24.2%
    • Bahari : 1079 sample, 10.8%
    • Pusat Perbelanjaan : 385 sample, 3.8%
    • Tempat Ibadah : 385 sample, 3.8%

  • Fitur Place_Name Untuk fitur Place_Name disini hanya menampilkan banyak tempat wisata. Diperoleh bahwa banyak tempat wisata yang akan digunakan untuk sistem rekomendasi adalah sebanyak 437.

Data Preparation

Teknik Data preparation yang dilakukan terdiri dari:

• Menghapus data duplikat pada Place_Id yang sudah ditunjukkan pada bagian Data Preprocessing
• Membuat dictionary untuk data baru yang berisi fitur place_id, place_category dan place_name

Proses Data Preparation

• Cek apakah ada data null pada data all_tourism
• Kemudian cek banyak data pada all_tourism, diperoleh informasi bahwa banyak data sekarang adalah 437
• Setelah itu buat variabel baru preparation yang berisi data dari all_tourism
• Kemudian hapus nilai duplikat pada fitur Place_Id
• Membuat variabel baru untuk membuat dictianory, seperti berikut :
  • place_id = preparation['Place_Id'].tolist()
  • place_category = preparation['Category'].tolist()
  • place_name = preparation['Place_Name'].tolist()
• Kemudian menggabungkan variabel baru tersebut ke dalam tourism_recommend

Splitting Training & Validation Data untuk Collaborative Filtering

• Lakukan distribusi data dengan random_state agar data menjadi acak.
• Lakukan mapping data User_Id dan Place_Id menjadi skala 0 sampai 1
• Kemudian split data train dan validation menjadi 80:20

Mengapa perlu dilakukan data prepration?

• Untuk menghilangkan data duplikat, karena dapat menyebabkan bias pada data
• Dibuatnya tourism_recommend untuk menampung fitur-fitur yang hanya akan digunakan untuk rekomendasi

Modeling

Model Content Based Filtering - Berdasarkan data wisatawan atau turis yang telah berkunjung ke tempat serupa sebelumnya

TF-IDF Vectorizer

• Sebelum mengembangkan sistem rekomendasi dengan content-based filtering, masukkan data preparation ke variabel baru yaitu data.
• Kemudian membuat sistem rekomendasi berdasarkan tempat wisata yang telah dikunjungi sebelummnya, menggunakan TF-IDF Vectorizer dengan fungsi tfidfvectorizer() dari sklearn. Tahap ini terdiri dari inisialisasi TfidfVectorizer, kemudian perhitungan idf pada place_name dan mapping array dari fitur index ke fitur nama.
• Lakukan fitting dan transformasi fitur place_name dalam bentuk matriks.
• Mengubah vektor tf-dif dalam bentuk matrix dengan fungsi todense()

Cosine Similarity

• Selanjutnya membuat dataframe untuk melihat tf-idf matrix dengan kolom berisi place_name dan baris place_category, ini digunakan untuk melihat korelasi antar place_name dengan category.
• Kemudian menghitung derajat kesamaan (similarity degree) antar place_name menggunakan cosine_similarity dari sklearn.

Mendapatkan Rekomendasi Destinasi Wisata

• Membuat fungi tourism_recommendations dengan parameter sebagai berikut :

  • nama_tempat : nama tempat wisata
  • similarity_data : dataframe similarity sebelumnya
  • items : fitur untuk mendefinisikan kemiripan dari plaec_name dan place_category
  • k : banyak rekomendasi yang diberikan

• Kemudian menemukan rekomendasi yang mirip dengan Pantai Baron, berikut merupakan output yang dihasilkan :

  	place_name	place_category
  0	Pantai Ancol	Bahari
  1	Pantai Marina	Bahari
  2	Pantai Congot	Bahari
  3	Pantai Drini	Bahari
  4	Pantai Ngrenehan	Bahari

Kelebihan dan kekurangan content-based filtering

• Kelebihan content-based filtering

  • Kemapuan untuk merekomendasikan item yang bersifat personal dan baru bagi user

• Kekurangan content-based filtering

  • Terbatas pada rekomendasi pad item-item yang mirip sehingga tidak ada kesempatan untuk mendapatkan item yang diluar kemiripan

Mengapa menggunakan content-based filtering?

• Karena sistem rekomendasi ini menampilkan rekomendasi berdasarkan tempat wisata yang telah dikunjungi pada wisatawan atau turis sebelumnya, sehingga menampilkan rekomendasi yang mirip pada wisata sebelumnya.

Model Collaboratieve Filtering - Berdasarkan data rating wisatawan atau turis untuk merekomendasikan tempat bagi user untuk tempat yang tidak pernah dikunjungi

Training

• Pada proses ini menghitung skor kecocokan wisatawan atau turis dengan destinasi wisata dengan teknik embedding.
• Membuat class RecommenderNet dengan keras Model class.
• Menginisialisasikan fungsi embedding.
• Membuat layer embedding user dan layer embedding user dengan bias, yang terdiri dari parameter sebagai berikut :
  • num_users : merupakan hasil encoder User_Id dalam indeks integer.
  • embedding_size : merupakan besaran dimensi vector yang digunakan untuk embedding
  • embedding_initializer = 'he_normal' : Inisialisasi untuk matrik embedding, disini menggunakan 'he_normal'
  • embedding_regularizer = keras.regularizers.12(1e06) : Fungsi regularizer yang diterapkan pada matrik embedding, disini menggunakan keras.regularizers.12(1e06)
• Membuat layer embedding place dan layer embedding place dengan bias, yang terdiri dari parameter sebagai berikut :
  • num_places : merupakan hasil encoder Places_Id dalam indeks integer.
  • embedding_size : merupakan besaran dimensi vector yang digunakan untuk embedding
  • embedding_initializer = 'he_normal' : Inisialisasi untuk matrik embedding, disini menggunakan 'he_normal'
  • embedding_regularizer = keras.regularizers.12(1e06) : Fungsi regularizer yang diterapkan pada matrik embedding, disini menggunakan keras.regularizers.12(1e06)
• Membuat fungsi call yang memanggil layer embedding 1,2,3, dan 4.
• Kemudian menggunakan activation sigmoid.
• Lakukan compile pada model yang telah dibuat dengan loss BinaryCrossentropy(), optimizer Adam() dengan learning_rate = 0.001, dan metrics RootMeanSquaredError().
• Lakukan proses training dengan batch_size = 8 dan epochs = 100.

Mendapatkan Rekomendasi Destinasi Wisata

• Agar mendapatkan rekomendasi destinasi wisata, sebaiknya acak sample yang didefinisikan pada places_not_visited menggunakan operator bitwise (~) yang diperoleh pada variabel places_visited_by_user.

• Kemudian untuk memperoleh rekomendasi destinasi wisata, gunakan model.predict(), berikut merupakan output rekomendasi yang dihasilkan :

  Showing recommendations for users : 41

  Place with high ratings from user

  Place_Name	Category
  Flower Farm Setiya Aji	Cagar Alam
  Candi Gedong Songo	Budaya
  Goa Rong	Cagar Alam
  Pemandian Air Panas Ciater	Cagar Alam
  Taman Mundu	Taman Hiburan

  Top 10 place recommendation

  Place_Name	Category
  Kebun Teh Nglinggo	Cagar Alam
  Desa Wisata Kelor	Taman Hiburan
  Seribu Batu Songgo Langit	Cagar Alam
  Desa Wisata Rumah Domes/Teletubbies	Taman Hiburan
  Wisata Kraton Jogja	Budaya
  Grojogan Watu Purbo Bangunrejo	Taman Hiburan
  Kawasan Wisata Sosrowijayan	Pusat Perbelanjaan
  Pantai Baron	Bahari
  Pantai Ngobaran	Bahari
  Bendung Lepen	Taman Hiburan

Kelebihan dan kekurangan Collaborative Filtering

• Kelebihan Collaborative Filtering

  • Rekomendasi akan tetap bekerja dalam keadaan dimana konten sulit dianalisa.

• Kekurangan Collaborative Filtering

  • Membutuhkan parameter rating, sehingga jika ada item baru dalam sistem maka tidak akan direkomendasikan.

Mengapa menggunakan model tersebut?

• Karena sistem rekomendasi ini menampilkan rekomendasi berdasarkan rating, dimana tujuan dari collaborative filtering adalah untuk merekomendasikan destinasi wisata walaupun wisatawan atau turis tidak pernah pergi kesuatu tempat destinasi wisata sebelumnya.

Evaluation

Evaluasi Content Based Filtering

• Metrik evaluasi yang digunakan adalah recommender system precision. Disini precision merupakan jumlah item yang direkomendasikan yang relevan. Formula Mean Squared Error dan cara Mean Squared Error bekerja Rumus yang digunakan untuk recommender system precision sebagai berikut :

  

Bagaimana cara Mean Squared Error bekerja?

Cara kerjanya adalah dengan membagi nilai item yang relevan dengan nilai jumlah item yang direkomendasikan, misalnya berikut

	place_name	place_category
0	Pantai Ancol	Bahari
1	Pantai Marina	Bahari
2	Pantai Congot	Bahari
3	Pantai Drini	Bahari
4	Pantai Ngrenehan	Bahari

Fitur yang relevan pada tabel diatas adalah 5 dengan jumlah total top-N adalah 5, apabila dimasukkan kedalam rumus maka akan menjadi seperti berikut : releven/jumlah item rekomendasi = 5/5 = 1 berarti precisionnya adalah 100%

Evaluasi Collaborative Filtering

• Metrik evaluasi yang digunakan adalah Root Mean Squared Error (RMSE) yang mengukur tingkat akurasi hasil dari perkiraan model yang telah dibuat.

• Hasil yang diperoleh dari metrik ini sebagai berikut :

  

  Dapat disumpulkan pada proses training nilai error akhir untuk training berada pada angka 0.29 dan error pada test pada angka 0.31. Sehingga nilai tersebut sudah cukup bagus untuk sistem rekomendasi collaborative filtering.

Formula Mean Squared Error dan cara Mean Squared Error bekerja

Rumus yang digunakan untuk RMSE sebagai berikut :

Bagaimana cara Mean Squared Error bekerja?

Cara kerja RMSE adalah dengan mengkuadratkan error (prediksi '' observasi) kemudian dibagi dengan jumlah data (= rata-rata), kemudian hasil tersebut diakarkan.

REFERENSI :

PENGARUH SEKTOR PARAWISATA TEHADAP PERTUMBUHAN EKONOMI DI INDONESIA

KONTRIBUSI PARIWISATA TERHADAP PENINGKATAN KESEJAHTERAAN MASYARAKAT INDONESIA

TOURISM EFFECT ON ECONOMIC GROWTH IN INDONESIA