<![CDATA[Penelitian ini mengembangkan sistem rekomendasi makanan yang mempertimbangkan alergi, kondisi kesehatan, dan kebutuhan nutrisi pengguna dalam konteks meningkatnya kesadaran terhadap nutrisi sehat. Sistem ini berhasil menawarkan rekomendasi diet yang disesuaikan dengan menggunakan algoritma k-Nearest Neighbors (kNN) dan metrik cosine distance. Dengan menggunakan Flask sebagai backend, penelitian ini menganalisis data nutrisi menggunakan pendekatan nutrisi makanan terhadap kebutuhan pengguna. Hasil menunjukkan bahwa makanan dengan jarak cosine yang lebih kecil menunjukkan kesesuaian yang lebih tinggi, sehingga lebih cocok untuk pengguna. Oleh karena itu, ada kemungkinan sistem ini akan membantu orang menjaga diet sehari-hari mereka dengan baik. Dengan demikian, sistem ini menawarkan kemungkinan besar untuk membantu individu dalam mengelola diet sehari-hari mereka secara efektif. Penelitian ini tidak hanya membantu dalam memilih makanan yang sesuai dengan kondisi medis dan preferensi individu tetapi juga membuka jalan untuk pengembangan lebih lanjut dalam teknologi rekomendasi makanan. Kata kunci— rekomendasi makanan, algoritma k-nearest neighbors, cosine distance, nutrisi, alergi, kondisi kesehatan]]>
Copyrights © 2024
