<![CDATA[Perkembangan platform digital telah meningkatkan ketergantungan masyarakat dalam memilih resep makanan, namun kondisi ini sering menyebabkan informasi berlebih yang menyulitkan pengguna dalam menentukan pilihan yang sesuai dengan preferensi dan kebutuhan mereka. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi makanan berbasis pendekatan hibrida dengan mengintegrasikan penyaringan berbasis konten dan penyaringan kolaboratif menggunakan algoritma K-Nearest Neighbors pada dataset Food.com Recipes and Reviews. Metode pelaksanaan penelitian diawali dengan tahap prapemrosesan data yang meliputi pembersihan duplikasi, penanganan missing value, normalisasi data numerik, serta pembersihan teks. Analisis konten dilakukan dengan membangun representasi fitur resep berdasarkan bobot kata, sedangkan analisis perilaku pengguna dilakukan melalui pemodelan matriks interaksi pengguna dan resep untuk mengidentifikasi kesamaan preferensi. Teknik analisis yang digunakan dalam penelitian ini adalah pengukuran tingkat ketepatan rekomendasi untuk mengevaluasi relevansi hasil rekomendasi. Hasil pengujian menunjukkan bahwa pendekatan penyaringan berbasis konten menghasilkan tingkat ketepatan rata-rata sebesar 86%, sementara pendekatan penyaringan kolaboratif menghasilkan 81%. Integrasi kedua metode melalui pendekatan hibrida bertingkat mampu meningkatkan kinerja sistem dengan tingkat ketepatan mencapai 95%. Hasil tersebut menunjukkan bahwa sistem rekomendasi hibrida yang diusulkan mampu menghasilkan rekomendasi yang lebih relevan dengan memanfaatkan kesamaan karakteristik resep dan pola preferensi pengguna secara bersamaan.]]>
