PENERAPAN METODE HYBRID FILTERING DAN ALGORITMA KNN UNTUK SISTEM REKOMENDASI MENU MAKANAN BERDASARKAN USER PROFILING

Ramadhan, Fajar Hikmah (2022) PENERAPAN METODE HYBRID FILTERING DAN ALGORITMA KNN UNTUK SISTEM REKOMENDASI MENU MAKANAN BERDASARKAN USER PROFILING. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (65kB)
	Text COVER.pdf Download (178kB)
	Text DAFTAR ISI.pdf Download (30kB)
	Text DAFTAR PUSTAKA.pdf Download (145kB)
	Text DAFTAR PUSTAKA.pdf Download (145kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (257kB)
	Text SKRIPSI FULL_FAJAR HIKMAH RAMADHAN_123170100.pdf Restricted to Repository staff only Download (3MB)

Abstract

Dengan adanya layanan food delivery seperti gofood, grabfood, dan shopeefood
sudah menjadi gaya hidup yang memberikan kemudahan bagi masyarakat dalam memesan
menu makanan apapun. Tetapi, masyarakat tidak mengetahui kandungan gizi yang
terkandung dalam menu makanan yang dipesan. Oleh karena itu, diperlukan adanya
kesadaran dalam menjaga pola makan dan aktivitas fisik untuk mencegah terjadinya
peningkatan berat. Jika ditambah dengan kurangnya aktivitas fisik bisa menimbulkan
risiko terkena penyakit jantung, diabetes, dan stroke. Selain itu, aktivitas fisik harus
diimbangi dengan makan - makanan bergizi, asupan vitamin, dan kalori yang seimbang.
Dalam menerapkan pola makan yang sehat dan gizi yang seimbang, setiap orang memiliki
preferensi dan kebutuhan yang berbeda – beda. Dari permasalahan tersebut, diperlukan
sebuah sistem rekomendasi yang bisa memberikan saran rekomendasi menu makanan yang
bisa memenuhi kebutuhan kalori harian dan juga sesuai dengan preferensi atau kesukaan
penggunanya.
Metode sistem rekomendasi yang digunakan adalah metode hybrid filtering yang
merupakan gabungan antara metode content based filtering dan collaborative filtering
KNN dengan memberikan bobot pada masing – masing metode rekomendasi. Metode
hybrid filtering dipilih karena memiliki akurasi yang lebih baik serta bisa mengatasi cold
start problem dibandingkan content based dan collaborative filtering saja. Selain itu user
profiling akan membantu sistem rekomendasi dalam mengetahui hal - hal apa saja yang
diminati oleh user.
Pengujian dilakukan dengan menggunakan RMSE dan MAE. Adapun rata – rata
nilai RMSE menghasilkan angka 1.025274 dan rata – rata nilai MAE menghasilkan angka
0.603832 pada rasio perbandingan data training dan data testing sebesar 80:20 untuk
pengujian model secara keseluruhan. Sedangkan untuk pengujian pada sampel user
menghasilkan nilai RMSE sebesar 0.411 yang artinya tingkat error hasil evaluasi tersebut
adalah 8.22% atau tingkat akurasi yang mencapai 91.78%. Selain itu metode hybrid
filtering juga memberikan pengaruh yang cukup signifikan dalam hal efektivitas dan
efisiensi. Hal ini dibuktikan dengan tingkat efektivitas sistem rekomendasi atau precision
rata – rata yang dihasilkan adalah 0.884 atau 88.4 %. Sedangkan untuk tingkat relevansi
sistem rekomendasi adalah 0.821 atau 82.1%

Item Type:	Thesis (Diploma)
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	14 Mar 2023 07:29
Last Modified:	14 Mar 2023 07:29
URI:	http://eprints.upnyk.ac.id/id/eprint/32862

Actions (login required)

View Item