<![CDATA[Dalam kehidupan sehari-hari, mahasiswa sering menghadapi kesulitan dalam menentukan menu makanan sehat berdasarkan bahan yang tersedia di rumah. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi resep makanan berbasis web yang mampu memberikan rekomendasi berdasarkan input bahan makanan pengguna. Untuk itu, dilakukan perbandingan dua pendekatan algoritma, yaitu TF-IDF dengan Cosine Similarity dan IndoBERT, guna mengevaluasi efektivitas dan efisiensi masing-masing dalam konteks sistem rekomendasi resep. Penelitian ini menggunakan metode pengembangan perangkat lunak model Waterfall, dimulai dari analisis kebutuhan, perancangan sistem, implementasi, hingga pengujian. Data resep dikumpulkan dari berbagai sumber daring, kemudian diproses melalui tahapan preprocessing teks seperti case folding, stopword removal, dan stemming. Algoritma TF-IDF digunakan untuk menghitung bobot kata dan mengukur kemiripan menggunakan Cosine Similarity. Sementara itu, IndoBERT digunakan sebagai model berbasis representasi kontekstual untuk memahami hubungan semantik antar bahan makanan. Hasil pengujian menunjukkan bahwa model TF-IDF + Cosine Similarity lebih unggul dalam hal kecepatan waktu respons sistem, menjadikannya cocok untuk aplikasi yang membutuhkan performa tinggi secara real-time. Di sisi lain, IndoBERT mampu menghasilkan rekomendasi yang lebih kontekstual dan mendalam, namun membutuhkan waktu pemrosesan lebih lama. Evaluasi dilakukan menggunakan metrik Precision@K, Recall@K, F1-Score@K, dan MRR@K untuk menilai kualitas rekomendasi dari kedua pendekatan. Secara keseluruhan, penelitian ini menunjukkan bahwa pemilihan metode algoritma dalam sistem rekomendasi sangat bergantung pada kebutuhan pengguna, baik dari segi efisiensi maupun akurasi. Sistem yang dikembangkan diharapkan dapat membantu pengguna, khususnya mahasiswa, dalam menentukan menu makanan sehat dan praktis dengan memanfaatkan bahan yang tersedia.]]>
