Balinavi
BaliNavi: Smart Travel Budgeting Platform untuk Membantu Wisatawan Mengambil Keputusan Perjalanan ke Bali Secara Lebih Efisien
BaliNavi: Smart Travel Budgeting Platform dikembangkan untuk membantu wisatawan mengambil keputusan perjalanan ke Bali secara efisien, terukur, dan sesuai kemampuan finansial. Permasalahan utama yang dihadapi wisatawan adalah sulitnya merencanakan perjalanan karena informasi destinasi, estimasi biaya, dan rekomendasi wisata tersebar di berbagai platform. Kondisi ini membuat wisatawan kesulitan membandingkan destinasi, memperkirakan total pengeluaran, serta menyusun rencana perjalanan yang sesuai dengan budget, durasi, jumlah orang, dan preferensi. Masalah ini penting karena kualitas informasi, kemudahan akses, personalisasi, dan kepercayaan memengaruhi kepuasan serta keputusan wisatawan dalam memilih destinasi (Majeed et al., 2020; Pai et al., 2020; Wu et al., 2022; Shin et al., 2022). Target pengguna BaliNavi adalah wisatawan mandiri, first-time visitors, budget sensitive travelers, mobile-first travelers, serta keluarga atau grup yang membutuhkan perencanaan perjalanan yang cepat, realistis, dan mudah dipahami. Proyek ini berfokus pada tiga pertanyaan utama: bagaimana sistem menghasilkan rekomendasi destinasi berbasis budget secara efektif, bagaimana alokasi budget dan pemilihan destinasi disusun optimal, serta bagaimana performa sistem dievaluasi melalui relevansi rekomendasi, kesesuaian budget, kemudahan penggunaan, dan kepuasan pengguna. Bali dipilih karena merupakan destinasi wisata unggulan dengan ragam atraksi, pola mobilitas kompleks, dan kebutuhan perencanaan biaya yang tinggi. Dari sisi bisnis, BaliNavi mengurangi ketidakpastian biaya perjalanan, mempercepat pengambilan keputusan, dan membantu wisatawan memperoleh rekomendasi yang sesuai dengan kondisi finansial mereka. Proyek ini layak dikembangkan sebagai capstone karena dapat diwujudkan sebagai MVP menggunakan dataset destinasi, content-based filtering, rule-based budget allocation, dan prototipe Streamlit yang dapat diuji end to-end (Kah et al., 2022; Solano-Barliza et al., 2024; Tian et al., 2021).
