SISTEM REKOMENDASI MAKANAN BERDASARKAN KEBUTUHAN KALORI HARIAN MENGGUNAKAN CONTENT-BASED FILTERING DAN RULE-BASED SYSTEM

Pemenuhan kebutuhan kalori yang sesuai merupakan aspek penting dalam menjaga kesehatan, namun variasi menu makanan yang luas sering menyulitkan individu dalam memilih makanan yang sesuai dengan kebutuhan kalori, preferensi, dan batasan alergi, sementara sistem rekomendasi makanan yang tersedia masih belum memberikan keleluasaan pengguna dalam mengatur distribusi kebutuhan kalori hariannya.
Penelitian ini mengembangkan sistem rekomendasi makanan berbasis website menggunakan Content-Based Filtering (CBF) dan Rule-Based System, dengan data makanan dari FatSecret Indonesia dan FatSecret internasional. Rule-Based System menyaring makanan berdasarkan alergi, porsi, dan target kalori, sedangkan CBF menghitung kemiripan query pengguna dengan data makanan menggunakan TF-IDF dan Cosine Similarity. Pengujian threshold cosine similarity dan jumlah rekomendasi maksimal (Top-K) dilakukan untuk memperoleh parameter optimal, menghasilkan nilai threshold 0,20 dan jumlah rekomendasi 5 item berdasarkan skenario pengujian yang dilakukan dalam penelitian ini.
Evaluasi menggunakan Precision@K, nDCG@K, dan MAP menghasilkan rata-rata masing-masing 0,76; 0,9241; dan 0,8859, menunjukkan sistem mampu memberikan rekomendasi makanan yang relevan dengan kualitas peringkat yang baik sesuai kebutuhan dan preferensi pengguna.