Content-Based Filtering · Cosine Similarity · Bekasi

Sistem Rekomendasi
Rental Mobil Bekasi

Rekomendasi rental mobil menggunakan model Content-Based Filtering yang dilatih dari data 50 rental dengan 786 armada di wilayah Bekasi.

Algoritma: Content-Based Filtering TF-IDF Vectorizer + Cosine Similarity
Model: model_rental_bekasi.pkl Matrix cosine_sim 786×786
786Armada
50Rental
CBFModel

Cari Rekomendasi

Sistem mencari kemiripan menggunakan Cosine Similarity dari model yang telah dilatih. Masukkan jenis mobil sebagai referensi atau pilih lokasi langsung untuk melihat daftar armada.

1 Input Preferensi
→
2 Model PKL (Cosine Sim)
→
3 Filter Post-CBF
→
4 Hasil Rekomendasi

Tentang Sistem

Skripsi: Sistem Rekomendasi Rental Mobil Menggunakan Model Content-Based Fil

Content-Based Filtering

Model menggunakan TF-IDF Vectorizer untuk mengubah fitur mobil (jenis, fasilitas) menjadi vektor numerik, lalu menghitung Cosine Similarity antar item.

cos(θ) = (A·B) / (‖A‖ × ‖B‖)

Model PKL Tersimpan

Hasil training disimpan dalam model_rental_bekasi.pkl berisi DataFrame terproses dan Matrix Cosine Similarity (786×786) yang langsung digunakan untuk rekomendasi.

Dataset Bekasi

Data dikumpulkan dari 50 rental mobil di wilayah Bekasi dengan 786 armada mencakup jenis kendaraan, harga per hari, lokasi, dan fasilitas.

Chatbot AI (Groq)

Terintegrasi dengan Groq API menggunakan model Llama 3.3-70B untuk memberikan konsultasi interaktif tentang pilihan rental mobil yang sesuai kebutuhan.

Alur Sistem Rekomendasi

1
Input User Jenis mobil, lokasi, harga, fasilitas
→
2
Model PKL Cosine Similarity dari matrix terlatih
→
3
Post-Filter Filter lokasi, harga, fasilitas
→
4
Output Daftar rekomendasi rental

Asisten Rental AI

Online · Groq Llama 3.3

Halo! Saya asisten AI Rental Mobil Bekasi.

Saya bisa membantu Anda:

  • Saran jenis mobil sesuai kebutuhan & budget
  • Info perbedaan lepas kunci vs dengan sopir
  • Penjelasan cara kerja sistem CBF
  • Perbandingan harga rental di Bekasi