Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems
Clara Tanudy
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Rekomendasi Makanan Berbasis Ponsel Menggunakan Metode Filtering Hibrida Venny Cyntia; Clara Tanudy; Bagus Mulyawan; Manatap Sitorus
Computatio : Journal of Computer Science and Information Systems Vol. 10 No. 1 (2026): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v10i1.27123

Abstract

Di era kemajuan teknologi, aplikasi berbasis teknologi informasi telah mengubah cara kita melihat dan memilih makanan. Dengan semakin banyak pilihan yang tersedia, banyak orang menghadapi tantangan mencoba makanan berbeda karena mereka tidak yakin apakah sebuah hidangan akan sesuai dengan selera mereka. Oleh karena itu, sistem rekomendasi dikembangkan untuk meningkatkan kepuasan pengguna dan memudahkan pemilihan makanan menggunakan metode Filtering Hibrida yang menggabungkan Collaborative Filtering dan Content-Based Filtering dengan teknik cascade. Analisis yang dilakukan pada sistem ini akan berdasarkan deskripsi makanan yang mencakup komposisi makanan itu sendiri seperti rasa dan bahan utama. Sementara itu, pengguna akan diminta untuk mengisi preferensi berdasarkan deskripsi makanan. Operasi teknik ini melibatkan memberikan rekomendasi pertama menggunakan metode Collaborative Filtering. Selanjutnya, rekomendasi dari metode ini lebih lanjut difilter menggunakan metode Content-Based Filtering. Untuk menghitung nilai kemiripan antar menu, rumus kemiripan kosinus digunakan, dan untuk memprediksi peringkat yang hilang, rumus jumlah tertimbang digunakan. Hasil penelitian menunjukkan bahwa menggabungkan kedua metode ini menghasilkan rekomendasi yang lebih baik daripada menggunakan metode ini secara terpisah. Hasil yang diperoleh dari perhitungan data menunjukkan bahwa nilai yang dihasilkan untuk mengetahui seberapa besar nilai kesalahan antara nilai yang diprediksi dan nilai sebenarnya untuk sepuluh menu adalah 0,29. Selain itu, dilakukan juga survei terhadap responden, dan temuannya menunjukkan bahwa delapan dari sepuluh orang menyatakan bahwa rekomendasi yang diberikan sesuai dengan preferensi mereka.
Co-Authors bagus Mulyawan Manatap Sitorus Venny Cyntia