RANCANG BANGUN SISTEM REKOMENDASI RESEP MASAKAN BERDASARKAN BAHAN BAKU DENGAN MENGGUNAKAN ALGORITMA PENYARINGAN BERBASIS KONTEN

Authors

  • Yandhy Raka Mulyawan Teknik Informatika, Fakultas Industri Kreatif, Universitas Ciputra
  • Caecilia Citra Lestari Teknik Informatika, Fakultas Industri Kreatif, Universitas Ciputra
Views: 342 Downloads: 442

DOI:

https://doi.org/10.12962/j24068535.v17i2.a791

Abstract

Banyak ibu rumah tangga yang kebingungan untuk menentukan masakan apa yang akan mereka masak sehingga bahan makanan yang mereka miliki menjadi rusak akibat tidak kunjung dimasak. Sebagian besar ibu rumah tangga mendapatkan ide resep dari website resep karena mudah untuk diakses dan memiliki resep yang cukup lengkap, namun kelemahannya kebanyakan dari website resep tidak memiliki fitur untuk pencarian resep berdasarkan bahan-bahan yang dimiliki. Aplikasi telepon genggam dipilih untuk memecahkan masalah tersebut. Pada penelitian ini penulis akan membuat rancang bangun sistem rekomendasi resep masakan berdasarkan bahan baku dengan menggunakan algoritma penyaringan berbasis konten (CBFA). Algoritma ini merekomendasikan resep yang memiliki kesamaan dengan bahan makanan yang dimasukkan oleh pengguna. Aplikasi dibuat menggunakan file PHP untuk memproses data resep, seperti query data, mengecek data yang sama, menentukan weight serta menghitung dan mengurutkan resep menurut CBFA. Hasil dari pengujian menunjukkan bahwa rekomendasi resep sudah sesuai dengan kekuatan 71%.

Downloads

Download data is not yet available.

References

G. Zhong, H. Wang dan W. Jiao, “MusicCNNs: A New Benchmark on Content-Based Music Recommendation,” dalam Lecture Notes in Computer Science , Springer, 2018, pp. 394-405.

P. Mathew, B. Kuriakose dan V. Hegde, “Book Recommendation System through Content Based and Collaborative Filtering Method,” dalam International Conference on Data Mining and Advanced Computing, Ernakulam, 2016.

O. Taylor, S. Agnihotri, Y. Okasha, C. Hubbard dan C. Hegde, “Recommending Recipes: A Data Enabled Framework,” dalam Proceedings of the National Conference On Undergraduate Research, Edmond, 2018.

F. Ricci, L. Rokach dan B. Shapira, “Recommender Systems: Introduction and Challenges,” dalam Recommender Systems Handbook, New York, Springer, 2015.

B. Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Chicago: Springer, 2011.

M. J. Pazzani dan D. Billsus, “Content-Based Recommendation Systems,” dalam The Adaptive Web, Berlin, Springer, 2007, pp. 325-341.

T. L. Cheng, U. K. Yusof dan M. N. A. Khalid, “Content-Based Filtering Algorithm for Mobile Recipe Application,” Software Engineering Conference (MySEC), 2014 8th Malaysian, pp. 183-188, 2014.

S. Hamidah dan K. Komariah, Resep & Menu, Yogyakarta: Deepublish, 2018.

“TheMealDB API,” 2016 . [Online]. Available: https://www.themealdb.com/api.php.

S. E. Harpe, “How to analyze Likert and other rating scale data,” Currents in Pharmacy Teaching and Learning , pp. 836-850, 2015.

Downloads

Published

2019-08-20

Issue

Vol. 17, No. 2, Juli 2019

Section

Articles

How to Cite

[1]
Y. R. Mulyawan and C. C. Lestari, “RANCANG BANGUN SISTEM REKOMENDASI RESEP MASAKAN BERDASARKAN BAHAN BAKU DENGAN MENGGUNAKAN ALGORITMA PENYARINGAN BERBASIS KONTEN”, JUTI, vol. 17, no. 2, pp. 94–106, Aug. 2019, doi: 10.12962/j24068535.v17i2.a791.

License

All papers should be submitted electronically. All submitted manuscripts must be original work that is not under submission at another journal or under consideration for publication in another form, such as a monograph or chapter of a book. Authors of submitted papers are obligated not to submit their paper for publication elsewhere until an editorial decision is rendered on their submission. Further, authors of accepted papers are prohibited from publishing the results in other publications that appear before the paper is published in JUTI unless they receive approval for doing so from the Editor-in-Chief.

JUTI open access articles are distributed under a Creative Commons Attribution-ShareAlike 4.0 International License. This license lets the audience to give appropriate credit, provide a link to the license, and indicate if changes were made and if they remix, transform, or build upon the material, they must distribute contributions under the same license as the original.