SISTEM REKOMENDASI MASAKAN BERDASARKAN KETERSEDIAAN BAHAN DENGAN METODE CONTENT-BASED FILTERING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS | L2P UNIVERSITAS MUHAMMADIYAH PONOROGO
Beranda Tentang Kami Berita
  • E-Resources
    Indonesiana
    • Batavia Digital
    • Candi di Indonesia
    • Dokumentasi Perfilman Indonesia
    • Dokumentasi Sastra Indonesia
    • Kepustakaan Presiden RI
    • Keraton Nusantara
    • Pernaskahan Nusantara
    • Kepustakaan Tokoh Perfilman
    • Khasanah Pustaka Nusantara
    • Perpuspedia
    Pencarian
    • DOAJ
    • Google Scholar
    • JDIH
    • Bibliografi Nasional Indonesia
    • Katalog Induk Nasional
    • Bursa Efek Indonesia
    Alat
    • Mendeley
    • Zotero
    • Publish or Perish
    • Vos Viewer
    Sumber Belajar
    • Perpustakaan Digital
    • TED
    • Google Experiments
    • Sumber Belajar Kemdikbud
    • Ebook
  • Bantuan
    • Member Area
    • Beranda
    • Tentang Kami
    • Berita
    • Bantuan

    L2P UNIVERSITAS MUHAMMADIYAH PONOROGO

    Universitas Muhammadiyah Ponorogo


    Temukan setiap halaman yang menunggu untuk dibaca, setiap pengetahuan yang siap mengubah dunia.


    Pencarian Lanjutan
    Pencarian Spesifik

    SISTEM REKOMENDASI MASAKAN BERDASARKAN KETERSEDIAAN BAHAN DENGAN METODE CONTENT-BASED FILTERING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS

    EDWIN FEBRYWINATA (21533533) - Nama Orang;

    Skripsi · 2025

    Perkembangan teknologi informasi telah memungkinkan penerapan sistem cerdas dalam berbagai aspek kehidupan, termasuk dalam bidang kuliner. Skripsi ini membahas pengembangan sistem rekomendasi masakan berdasarkan bahan yang dimiliki pengguna, dengan menggunakan metode Content-Based Filtering (CBF) dan algoritma K-Nearest Neighbors (KNN). Sistem dibangun menggunakan bahasa pemrograman Python dan framework Flask, dengan basis data berupa kumpulan resep dalam format CSV. Fitur-fitur resep direpresentasikan sebagai vektor menggunakan teknik TF-IDF, sementara proses rekomendasi dilakukan dengan mencari kemiripan antar resep berdasarkan input bahan menggunakan metrik cosine similarity dalam algoritma KNN. Hasil pengujian Berdasarkan hasil pengujian terhadap 10 skenario input bahan, sistem mampu menghasilkan rekomendasi dengan akurasi sebesar 84%, precision 84%, recall 84%, dan Fl-score sebesar 84%. Output yang ditampilkan juga sangat informatif karena mencakup nama resep, deskripsi, bahan-bahan, langkah-langkah memasak, estimasi waktu, hingga gambar resep, sehingga memudahkan pengguna dalam memahami hasil yang diberikan. Sistem ini membantu pengguna dalam menemukan resep yang sesuai dengan bahan yang tersedia, serta menjadi fondasi untuk pengembangan aplikasi kuliner berbasis kecerdasan buatan.

    Penanda Bagikan
    Image of SISTEM REKOMENDASI MASAKAN BERDASARKAN KETERSEDIAAN BAHAN DENGAN METODE CONTENT-BASED FILTERING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS

    About this edition
    Edisi: -
    ISBN/ISSN: -
    Page count: xviii, 52 p, 30 cm.
    Published: 2025
    Format: text
    Penerbit: TEKNIK UNMUH PONOROGO
    Bahasa: Indonesia
    Tipe Isi: text
    Tipe Media: -
    Tipe Pembawa: -
    Ketersediaan
    #
    Prodi Teknik Informatika (Rak Koleksi Khusus) 129 FEB s FT-2025
    KK1286FT
    Tersedia namun tidak untuk dipinjamkan - No Loan
    Subjek
    Flask
    Sistem Rekomendasi
    KKN
    Masakan
    Versi lain/terkait

    Tidak tersedia versi lain

    Lampiran Berkas
    Tidak Ada Data
    Komentar

    Anda harus masuk sebelum memberikan komentar

    Di Antara Kata, Kita Bertumbuh.

    L2P UNIVERSITAS MUHAMMADIYAH PONOROGO
    Universitas Muhammadiyah Ponorogo

    • Informasi
    • Layanan
    • Pustakawan
    • Area Anggota

    Tentang Kami

    As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

    Statistik Pengunjung Web

    Hari ini : 245 1 Pekan Terakhir : 1542 1 Bulan Terakhir : 6365 1 Tahun : 76365

    Cari

    masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

    Donasi untuk SLiMS Kontribusi untuk SLiMS?

    © L2P UNIVERSITAS MUHAMMADIYAH PONOROGO | Universitas Muhammadiyah Ponorogo