Sistem Rekomendasi Pemilihan Makanan Indonesia Berdasarkan Kandungan Nutrisi Menggunakan Algoritma Knowledge-Based Filtering

Beragamnya jenis makanan yang berada di Indonesia dari Sabang sampai Merauke membuat masyarakat masih merasa kesulitan dalam menentukan makanan yang sesuai dengan kebutuhan nutrisinya secara spesifik, terutama pada makanan khas Indonesia yang memiliki keberagaman jenis dan komposisi. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pemilihan makanan Indonesia berdasarkan kandungan nutrisi menggunakan algoritma Knowledge-Based Filtering.
Metode yang digunakan dalam sistem ini mengadopsi pendekatan Case-Based Reasoning, di mana profil kebutuhan nutrisi pengguna dibandingkan dengan kandungan nutrisi makanan menggunakan rumus perhitungan similarity berbobot. Dataset yang digunakan terdiri dari 1.346 data makanan Indonesia yang diambil dari situs Kaggle, dengan atribut utama kalori, protein, lemak, dan karbohidrat. Pengembangan sistem dilakukan menggunakan metode Waterfall yang terdiri dari tahap analisis, perancangan, implementasi dan pengujian sistem.
Hasil pengujian menggunakan Python menunjukkan bahwa sistem mampu memberikan daftar makanan dengan tingkat kemiripan yang tinggi, sistem mampu memberikan rekomendasi relevan seperti ayam usus goreng (similarity 0.93691) untuk input kalori:450, protein:50, lemak:30, karbohidrat:100. Selain itu, hasil dari perhitungan menggunakan PHP dengan framework Laravel juga menunjukkan hasil yang sama yaitu ayam usus goreng sebagai makanan dengan nilai similarity tertinggi dengan input yang sama seperti menggunakan Python. Dengan demikian sistem ini mampu memberikan rekomendasi makanan sesuai dengan kriteria nutrisi yang dimasukkan pengguna (kalori, protein, lemak, dan karbohidrat) melalui perhitungan nilai similarity berbobot berdasarkan dataset yang ada dengan akurat meskipun menggunakan bahasa pemrograman yang berbeda.