<![CDATA[Pola makan yang kurang sehat menjadi salah satu penyebab utama meningkatnya kasus penyakit tidak menular di Indonesia. Permasalahan utama adalah kurangnya informasi mengenai kandungan gizi makanan lokal dan kesulitan masyarakat dalam memilih alternatif makanan sehat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi makanan sehat berbasis machine learning dengan memanfaatkan data gizi pangan lokal Indonesia. Sistem yang dikembangkan menerapkan pendekatan hybrid recommendation system melalui kombinasi content-based filtering menggunakan cosine similarity dan algoritma K-Means clustering untuk menghasilkan rekomendasi yang lebih akurat. Proses pengembangan sistem dilakukan dengan metodologi Agile Scrum agar dapat berjalan secara fleksibel dan adaptif dalam setiap iterasi. Data penelitian diperoleh dari Tabel Komposisi Pangan Indonesia yang memuat informasi lengkap mengenai kandungan gizi berbagai jenis makanan lokal. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi makanan sehat sesuai kebutuhan nutrisi pengguna dengan akurasi yang baik. Penerapan algoritma K-Means clustering berhasil mengelompokkan makanan berdasarkan profil kandungan gizinya, sementara cosine similarity efektif dalam menghitung kemiripan nilai gizi antar makanan. Sistem ini diharapkan dapat menjadi alat bantu bagi masyarakat dalam memilih makanan sehat secara lebih terukur dan mendukung upaya peningkatan kesehatan masyarakat di Indonesia]]>
Copyrights © 2026
