Electronic Theses and Dissertation

Aceh, sebagai salah satu destinasi wisata di indonesia yang memiliki keindahan alam dan kekayaan budaya, menawarkan banyak tempat wisata yang menarik bagi wisatawan. namun, dengan banyaknya pilihan destinasi, wisatawan seringkali kesulitan memilih tempat yang sesuai dengan preferensi mereka. dalam penelitian ini, dikembangkan sebuah sistem rekomendasi destinasi wisata di aceh menggunakan kerangka kerja deep reinforcement learning (drl) dengan algoritma deep determenistic policy gradient (ddpg). data yang digunakan merupakan rating wisatawan terhadap 204 destinasi wisata di aceh yang diperoleh melalui scraping dari google maps. sistem rekomendasi yang dibangun mampu menangkap dinamika preferensi pengguna dan memberikan rekomendasi yang relevan dengan minat terbaru pengguna. evaluasi terhadap sistem ini menunjukkan nilai precision@10 dan ndcg@10sebesar 0.5 setelah 10 episode pelatihan, 0.7 setelah 100 episode, dan 0.8 setelah 500 serta 1000 episode pelatihan. hasil ini menunjukkan bahwa kerangka kerja drl dapat diterapkan ke dalam sistem rekomendasi. kata kunci: sistem rekomendasi, destinasi wisata aceh, deep reinforcement learning.

Aceh, as one of Indonesia’s tourist destinations with its natural beauty and rich cultural heritage, offers many attractive tourist spots. However, with the vast number of destination options, tourists often struggle to choose places that align with their preferences. In this study, a tourism destination recommendation system for Aceh was developed using the Deep Reinforcement Learning (DRL) framework with the Deep Deterministic Policy Gradient (DDPG) algorithm. The data used consisted of tourist ratings for 204 destinations in Aceh, collected through data scraping from Google Maps. The developed recommendation system successfully captures the dynamic preferences of users and provides recommendations that are relevant to the users’ latest interests. Evaluation of the system showed precision@10 and NDCG@10 values of 0.5 after 10 training episodes, 0.7 after 100 episodes, and 0.8 after 500 and 1000 training episodes. These results indicate that the DRL framework can be effectively applied to recommendation systems. Keywords: Recommendation System, Aceh Tourism Destinations, Deep Reinforcement Learning