IMPLEMENTASI CONTENT-BASED FILTERING DAN COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI MENU MAKANAN BERDASARKAN KEBUTUHAN KALORI PENGGUNA

Adelia, Novia (2024) IMPLEMENTASI CONTENT-BASED FILTERING DAN COLLABORATIVE FILTERING PADA SISTEM REKOMENDASI MENU MAKANAN BERDASARKAN KEBUTUHAN KALORI PENGGUNA. Other thesis, UPN Veteran Yogyakarta.

[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (10kB)
[thumbnail of COVER SKRIPSI.pdf] Text
COVER SKRIPSI.pdf

Download (266kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (536kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf

Download (250kB)
[thumbnail of FULL SKRIPSI NOVIA ADELIA.pdf] Text
FULL SKRIPSI NOVIA ADELIA.pdf
Restricted to Repository staff only

Download (4MB)
[thumbnail of Lembar Pengesahan Pembimbing.pdf] Text
Lembar Pengesahan Pembimbing.pdf

Download (287kB)
[thumbnail of Lembar Pengesahan Penguji.pdf] Text
Lembar Pengesahan Penguji.pdf

Download (350kB)

Abstract

vi
ABSTRAK
Pola hidup sehat merupakan gaya hidup yang tepat untuk diterapkan guna
mendapatkan status gizi yang baik. Salah satu cara yang dapat dilakukan ialah dengan
menjaga kuantitas dan kualitas makanan yang dikonsumsi sesuai dengan kebutuhan kalori.
Setiap individu memiliki kebutuhan energi (kalori) yang berbeda, hal ini bergantung pada
beberapa faktor diantaranya usia, jenis kelamin, tinggi badan, berat badan, dan juga tingkat
aktivitas fisik. Untuk menjaga pola makan sehat berkesinambungan dengan memilih
makanan yang sesuai dengan kebutuhan tiap individu, sehingga diperlukan adanya teknologi
yang dapat merekomendasikan menu makanan berdasarkan kebutuhan kalori serta
preferensi pengguna.
Pada penelitian ini mengatasi masalah tersebut dengan mengembangkan sistem
rekomendasi menu makanan berdasarkan kebutuhan kalori pengguna dengan
menggabungkan metode content-based filtering dan collaborative filtering. Penelitian
menggunakan dataset yang terdiri dari 1023 menu makanan yang diperoleh dari website
resep DapurUmami dan 3067 rating menu makanan yang diperoleh dari hasil kuesioner.
Collaborative filtering digunakan untuk memprediksi rating makanan pengguna
berdasarkan kemiripan antar makanan dengan melihat rating yang diberikan oleh pengguna
terhadap makanan-makanan tersebut. Content-based filtering digunakan untuk menemukan
makanan serupa dengan kemiripan dari bahan makanan.
Pengujian dilakukan dengan menggunakan precision dan recall untuk melihat
efektivitas dan akurasi sistem rekomendasi menu makanan. Nilai rata-rata precision pada
model content-based filtering mendapatkan nilai sebesar 61.37%, collaborative filtering
mendapatkan nilai sebesar 33.31%, dan hybrid mendapatkan nilai sebesar 80.43%. Nilai
rata-rata recall pada model content-based filtering mendapatkan nilai sebesar 80.58%,
collaborative filtering mendapatkan nilai sebesar 85.59%, dan hybrid mendapatkan nilai
sebesar 79.59%. Hal ini menunjukkan bahwa dengan menggabungkan kedua model
collaborative filtering dan content-based filtering, sistem berhasil mengatasi kelemahan dari
setiap model di mana mampu mempertahankan nilai precision yang tinggi seperti content-
based filtering dan juga meningkatkan recall seperti collaborative filtering.
Kata kunci: Makanan, sistem rekomendasi, content-based filtering, collaborative filtering
vii
ABSTRACT
A healthy lifestyle is an appropriate lifestyle to implement in order to obtain good
nutritional status. One way that can be done is by maintaining the quantity and quality of
food consumed according to calorie needs. Each individual has different energy (calorie)
needs, depending on several factors including age, gender, height, weight, and also the level
of physical activity. To maintain a healthy diet same as choosing foods that suit the needs of
each individual, so technology is needed that can recommend food menus based on calorie
needs and user preferences.
In this study solving the problem by developing a food menu recommendation system
based on user calorie needs by combining content-based filtering and collaborative filtering
methods. The study used a dataset consisting of 1023 food menus obtained from the
DapurUmami recipe website and 3067 food menu ratings obtained from the questionnaire
results. Collaborative filtering is used to predict user food ratings based on similarities
between foods by looking at the ratings given by users to these foods. Content-based filtering
is used to find similar foods with similarities in food ingredients.
Testing was carried out using precision and recall to see the effectiveness and accuracy
of the food menu recommendation system. The average precision value in the content-based
filtering model is 61.37%, collaborative filtering is 33.31%, and hybrid is 80.43%. The
average recall value in the content-based filtering model is 80.58%, collaborative filtering is
85.59%, and hybrid is 79.59%. This shows that by combining both collaborative filtering
and content-based filtering models, the system has successfully overcome the weaknesses of
each model where it is able to maintain high precision values such as content-based filtering
and also increase recall such as collaborative filtering.
Keywords: Food, recommendation system, content-based filtering, collaborative filtering

Item Type: Thesis (Other)
Uncontrolled Keywords: Food, recommendation system, content-based filtering, collaborative filtering
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eko Yuli
Date Deposited: 24 Oct 2024 06:49
Last Modified: 24 Oct 2024 06:49
URI: http://eprints.upnyk.ac.id/id/eprint/41471

Actions (login required)

View Item View Item