REKOMENDASI RESEP MASAKAN BERDASARKAN CITRA BAHAN MAKANAN MENGGUNAKAN YOLOv8 dan WORD EMBEDDING FASTTEXT

AZIZAH, DESY NUR (2025) REKOMENDASI RESEP MASAKAN BERDASARKAN CITRA BAHAN MAKANAN MENGGUNAKAN YOLOv8 dan WORD EMBEDDING FASTTEXT. Tugas Akhir thesis, UPN "VETERAN" YOGYAKARTA.

	Text 2_Cover_123210083_Desy Nur Azizah.pdf Download (163kB)
	Text 3_Abstrak_123210083_Desy Nur Azizah.pdf Download (225kB)
	Text 4_Halaman Pengesahan_123210083_Desy Nur Azizah.pdf Download (773kB)
	Text 5_Daftar Isi_123210083_Desy Nur Azizah.pdf Download (303kB)
	Text 6_Daftar Pustaka_123210083_.pdf Download (189kB)
	Text 1_Skripsi full_123210083_Desy Nur Azizah.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pemilihan resep makanan seringkali menjadi tantangan bagi banyak orang, terutama
ketika hanya tersedia bahan-bahan tertentu di rumah. Ketidaktahuan pengguna dalam
mengidentifikasi bahan makanan secara akurat dan mencocokkannya dengan resep yang
sesuai menyebabkan keterbatasan dalam eksplorasi masakan. Selain itu, pengguna juga
membutuhkan solusi yang cepat dan akurat untuk mengetahui bahan apa yang dapat diolah
berdasarkan ketersediaan bahan tersebut. Permasalahan ini menjadi semakin relevan dengan
semakin berkembangnya gaya hidup cepat dan digital, sehingga diperlukan sistem yang
dapat memberikan rekomendasi resep makanan secara otomatis berdasarkan bahan yang
tersedia. Oleh karena itu, penelitian ini dilakukan untuk mengembangkan sistem
rekomendasi resep makanan berbasis citra bahan makanan yang mampu mengidentifikasi
bahan dari gambar dan memberikan saran resep yang sesuai dengan konteks bahan tersebut.
Penelitian ini menggunakan pendekatan yang menggabungkan metode computer
vision dan natural language processing (NLP). Model YOLOv8 digunakan untuk
mendeteksi bahan makanan secara otomatis dari citra yang diunggah oleh pengguna.
Sementara itu, FastText digunakan untuk merepresentasikan bahan makanan dalam bentuk
vektor kata dan menghitung kemiripan antara bahan yang terdeteksi dengan bahan-bahan
dalam dataset resep. Dataset citra bahan makanan diperoleh dari platform Roboflow dengan
20 kelas bahan makanan dan 1 kelas bukan bahan makanan yang dianotasi secara manual,
sedangkan data resep diambil dari Kaggle yang merupakan hasil scraping dari situs Cookpad
sebanyak 14.000 entri. Sistem dikembangkan melalui beberapa tahapan, yaitu preprocessing
data, pelatihan model YOLOv8 dan FastText, evaluasi model, serta integrasi ke dalam
sistem berbasis web menggunakan framework Next.js. Evaluasi dilakukan untuk mengukur
performa model deteksi dan akurasi sistem rekomendasi.
Hasil penelitian menunjukkan bahwa model YOLOv8 mampu mendeteksi bahan
makanan dalam citra dengan nilai mAP@0.5 sebesar 0.837, recall 0.825, precision 0.847,
dan F1-score sebesar 0.837. Model FastText berhasil memberikan rekomendasi resep yang
relevan dengan bahan yang terdeteksi berdasarkan kemiripan vektor menggunakan cosine
similarity, dan diuji menggunakan metrik MRSE. Integrasi kedua model ke dalam sistem
web menghasilkan aplikasi yang dapat digunakan secara praktis oleh pengguna untuk
mengunggah gambar bahan makanan dan menerima rekomendasi resep secara langsung.
Penelitian ini memberikan kontribusi terhadap pengembangan sistem cerdas dalam bidang
kuliner yang dapat membantu pengguna dalam merencanakan masakan secara efisien dan
berbasis data.
Kata Kunci: Sistem Rekomendasi, Bahan Makanan, YOLOv8, FastText, Computer Vision

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	DESY NUR AZIZAH (penulis) - 123210083 ; Agus Sasmito (pembimbing)
Uncontrolled Keywords:	Sistem Rekomendasi, Bahan Makanan, YOLOv8, FastText, Computer Vision
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	23 Oct 2025 01:24
Last Modified:	23 Oct 2025 01:24
URI:	http://eprints.upnyk.ac.id/id/eprint/44828

Actions (login required)

View Item