Rekomendasi Rute Kunjungan Tempat Wisata Menggunakan Ontologi dan Algoritma A*

Nurul Fajrin Ariyani, Ivan Fadhila, Abdul Munif

Abstract


Meningkatnya sektor pariwisata di Indonesia menjadikan para wisatawan memiliki banyak pilihan tempat wisata untuk dikunjungi. Namun keterbatasan waktu seringkali menghalangi wisatawan untuk dapat mengunjungi beberapa tempat wisata yang berbeda dalam satu kali rute perjalanan. Sistem rekomendasi yang dibangun memanfaatkan OpenStreetMap dan PostgreSQL sebagai basis data spasial untuk menyimpan data spasial mengenai peta. Jarak terdekat antar lokasi dicari dengan menerapkan algoritma A*. Sedangkan ontologi dan SPARQL digunakan untuk menyimpan dan mendapatkan kembali tempat-tempat wisata sesuai dengan kategori dan sub-kategorinya. Sistem diujikan dengan menggunakan studi kasus tempat-tempat wisata di kota Surabaya. Dari hasil uji coba dapat disimpulkan bahwa sistem mampu menampilkan rekomendasi rute kunjungan wisata dari suatu titik lokasi awal ke lokasi tujuan, beserta tempat-tempat wisata yang dilalui oleh rute perjalanan tersebut sesuai dengan kategori wisata yang dipilih oleh pengguna,

Keywords


algoritma A*, ontologi, rute perjalanan wisata, sistem rekomendasi, SPARQL

References


Astrova, I., Korda, N. and Kalja, A. (2007) ‘Storing OWL ontologies in SQL relational databases’, International Journal of Electrical, Computer and Systems Engineering, 1(4), pp. 242–247.

Batsakis, S. and Petrakis, E. G. M. (2010) ‘SOWL: spatio-temporal representation, reasoning and querying over the semantic web’, in. ACM, p. 15.

Cui, S.-G., Wang, H. and Yang, L. (2012) ‘A simulation study of A-star algorithm for robot path planning’, in 16th international conference on mechatronics technology, pp. 506–510.

Daramola, O., Adigun, M. O. and Ayo, C. K. (2009) ‘Building an ontology-based framework for tourism recommendation services’, Building an Ontology-Based Framework for Tourism Recommendation Services, pp. 135–147.

Delgado, J. A. and Davidson, R. (2002) Knowledge bases and user profiling in travel and hospitality recommender systems. Citeseer.

Euzenat, J., Roşoiu, M.-E. and Trojahn, C. (2013) ‘Ontology matching benchmarks: generation, stability, and discriminability’, Web Semantics: Science, Services and Agents on the World Wide Web, 21, pp. 30–48.

Lehmann, J. et al. (2015) ‘DBpedia–a large-scale, multilingual knowledge base extracted from Wikipedia’, Semantic Web, 6(2), pp. 167–195.

Moreno, A. et al. (2013) ‘Sigtur/e-destination: ontology-based personalized recommendation of tourism and leisure activities’, Engineering applications of artificial intelligence. Elsevier, 26(1), pp. 633–651.

osm2pgrouting - Import OSM data into pgRouting Database — Open Source Routing Library (no date). Available at: http://pgrouting.org/docs/tools/osm2pgrouting.html (Accessed: 21 April 2020).

Pazzani, M. J. (1999) ‘A framework for collaborative, content-based and demographic filtering’, Artificial intelligence review. Springer, 13(5–6), pp. 393–408.

Response Time Limits: Article by Jakob Nielsen (no date). Available at: https://www.nngroup.com/articles/response-times-3-important-limits/ (Accessed: 17 April 2020).

Sebastia, L. et al. (2009) ‘e-Tourism: a tourist recommendation and planning application’, International Journal on Artificial Intelligence Tools. World Scientific, 18(05), pp. 717–738.

Zhang, Z. and Zhao, Z. (2014) ‘A multiple mobile robots path planning algorithm based on A-star and Dijkstra algorithm’, International Journal of Smart Home, 8(3), pp. 75–86.




DOI: http://dx.doi.org/10.28926/briliant.v5i2.459

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Briliant: Jurnal Riset dan Konseptual

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Published by:

Lembaga Penelitian dan Pengabdian Masyarakat

Universitas Nahdlatul Ulama Blitar