Suatu Travelling Web idealnya memiliki informasi yang lengkap mengenai profil sebuah objek wisata. Diantara informasi yang cukup penting adalah jalur yang dapat ditempuh untuk sampai ke lokasi, peta dan tentunya total biaya yang dibutuhkan. Travelling Web yang ada sekarang ini sudah cukup banyak yang mengintegerasikan fitur-fitur tersebut. Namun diantara sekian banyak Travelling Web yang ada, sulit ditemukan yang memiliki kemampuan untuk menyediakan informasi mengenai tempat wisata yang akurat, yang sesuai dengan profil user. Skripsi ini membahas penerapan konsep Web 3.0 pada sebuah Travelling Website dalam ekspektasinya membuat sebuah Travelling Web yang memiliki kemampuan untuk menyediakan informasi mengenai tempat wisata yang akurat, sesuai dengan yang diharapkan oleh user.
Pada sistem telah dilakukan pengujian kesesuaian output objek wisata dengan profil user baik pada fitur autosuggest ataupun manual search dengan hasil 100% akurat, lama waktu yang dibutuhkan untuk melakukan extract data dari seed (situs target) ke database dengan waktu rata-rata sebesar 0.86 detik per seed, lama waktu yang dibutuhkan untuk menampilkan data pada fitur autosuggest dan manual search dengan waktu rata-rata sebesar 6.284728 detik (autosuggest) dan 3.619228 detik (manual search). Berdasarkan hasil survey terhadap user, dapat disimpulkan bahwa sistem ini sudah berhasil diimplementasikan dengan cukup baik karena mendapat nilai rata-rata 6,2 dari nilai maksimum 8.
Travelling Web, ideally has fully equiped with informations about travelling objects. Some crucial informations within are how to getting around to go to the object, maps and of course total fares needed. Travelling Web on these days are pretty good in implementing those features. But it's not sufficient yet, as they couldn't provide informations automatically based on user's profile. This research discussed about Web 3.0 concept on Travelling Website in it's expectation to make some Travelling Website which have any abilities to providing tour objects information precisely, as the users wishes to obtain. This research had sucesfully tested on both autosuggest and manual search function which brings 100% accurate result, total time needed to extract some seeds into database which brings average time 0.86 seconds per seed, how fast the system can show the output on both autosuggest and manual search which brings average time about 6.284728 seconds (autosuggest) and 3.619228 seconds (manual search). According to the survey result, this system has well done implemented with average point 6,2 from maximum 8
