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

Sholeh, M
Muhtarom, Moh
Hartanti, Dwi

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi pemilihan makanan Indonesia berdasarkan kandungan nutrisi menggunakan algoritma Knowledge-Based Filtering. Permasalahan utama yang diangkat adalah sulitnya pengguna dalam menentukan makanan yang sesuai dengan kebutuhan nutrisinya secara spesifik, terutama pada makanan khas Indonesia yang memiliki keberagaman jenis dan komposisi. 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, dan implementasi. 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. Rancangan sistem ini dirancang untuk diimplementasikan lebih lanjut dalam aplikasi web berbasis Laravel.