Rancang Bangun Sistem Rekomendasi Makanan Alternatif Berkalori Lebih Rendah Berbasis Konten Menggunakan Hierarchical Clustering

  • Dhienalight Jurusan Teknik Informatika, Universitas Ciputra Surabaya, Jawa Timur
  • Caecilia Citra Lestari Jurusan Teknik Informatika, Universitas Ciputra Surabaya, Jawa Timur
Keywords: sistem rekomendasi, content-based filtering, makanan alternatif, hierarchical clustering

Abstract

Dengan banyaknya variasi makanan yang ada sekarang, masyarakat perlu menyadari bahwa perilaku menjaga pola makan yang baik merupakan suatu investasi penting untuk tubuh sehat. Pilihan untuk mengkonsumsi makanan alternatif adalah salah satu cara orang dapat makan apa yang diinginkan selagi menjaga jumlah kalori yang dikonsumsi. Akan tetapi, memilih makanan alternatif tersebut bukan merupakan hal mudah. Makanan pengganti harus sesuai dengan jumlah kalori yang dibutuhkan tubuh dan memiliki rasa makanan yang diminati. Dalam penelitian ini, penulis mengajukan rancang bangun sistem rekomendasi berbasis konten dengan hierarchical clustering yang dapat memberikan rekomendasi makanan alternatif berkalori lebih rendah dengan rasa serupa berdasarkan bahan makanan untuk membantu orang dalam menjaga konsumsi kalori mereka. Data makanan diambil dari basis data FatSecret karena mengandung banyak variasi makanan dan informasi jelas akan bahan dan kalori makanan. Sistem rekomendasi tersebut akan fokus pada data kalori dan bahan makanan serta data makanan pilihan pengguna. Dengan menggunakan machine learning library scikit-learn Python, data makanan yang ada akan dikelompokkan dengan hierarchical clustering untuk pembentukan kelompok makanan serupa lalu dilakukan filtering sehingga mendapatkan urutan rekomendasi yang sesuai. Hasil pengujian sistem rekomendasi melalui eksperimen terhadap 10 makanan yang telah dituliskan melalui survei dan dinilai oleh 32 responden menunjukkan bahwa sistem rekomendasi ini berhasil berdasarkan indeks penilaian keseluruhan rekomendasi sebesar 71,3% yang mengindikasi hasil memuaskan oleh responden. Akan tetapi, akurasi masih perlu ditingkatkan karena urutan rekomendasi yang kurang sesuai kepuasan pengguna dengan saran penambahan faktor bentuk, kategori, dan bahan utama makanan.

Downloads

Download data is not yet available.

References

Zobel, E.H., et al. (2016). Global Changes in Food Supply and the Obesity Epidemic. Current Obesity Reports, Vol. 5, pp. 449-455. DOI: 10.1007/s13679-016-0233-8.

World Health Organization, Food and Agriculture Organization of the United Nations, United Nations University. (2004). Human Energy Requirements. Diambil dari https://www.who.int/nutrition/publications/nutrientrequirements/9251052123/en/

D’Addio, et al. (2017). Exploiting Feature Extraction Techniques on Users’ Reviews for Movies Recommendation. Journal of Brazilian Computer Society, 23(7). DOI:10.1186/s13173-017-0057-8.

Bhuvanya, R., Vijayalakshmi, K., & Uma, S. (2018). Movie Recommender System Using Two Way Filtering and Agglomerative Hierarchical Clustering. Journal of Computational and Theoretical Nanoscience, Vol. 15(6), pp. 2269-2272. https://doi.org/10.1166/jctn.2018.7450.

Rickard, F. A., et al. (2019). Comparison of Measured and Estimated Resting Energy Expenditure in Adolescents and Young Adults With Severe Obesity Before and 1 Year After Sleeve Gastrectomy. Frontiers in Pediatrics, Vol. 7, 37. DOI:10.3389/fped.2019.00037.

Beel, J., et al. (2015). Research-Paper Recommender Systems: A Literature Survey. International Journal on Digital Libraries, Vol. 17(4), pp. 305-338. DOI:10.1007/s00799-015-0156-0.

Batule, R.M., & Itkar, S.A. (2016). A Survey Paper on Different Clustering Techniques for Collaborative Filtering for Services Recommendation. International Journal of Computer Science and Information Technologies, Vol. 7 (3), pp. 1410-1413.

Harpe, S.E.(2015). How to Analyze Likert and Other Rating Scale Data. Currents in Pharmacy Teaching and Learning, Vol. 7(6), pp. 836-850. https://doi.org/10.1016/j.cptl.2015.08.001

Published
2020-11-02
How to Cite
Dhienalight, & Lestari, C. C. (2020). Rancang Bangun Sistem Rekomendasi Makanan Alternatif Berkalori Lebih Rendah Berbasis Konten Menggunakan Hierarchical Clustering. Teknika, 9(2), 88-96. https://doi.org/10.34148/teknika.v9i2.280
Section
Articles