Pengembangan Sistem Rekomendasi Menu Makanan Berdasarkan Preferensi Menggunakan Metode Hybrid Filtering

Risnawati, Risnawati (2025) Pengembangan Sistem Rekomendasi Menu Makanan Berdasarkan Preferensi Menggunakan Metode Hybrid Filtering. S1 thesis, Universitas Teknologi Akba Makassar.

[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (187kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (162kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (96kB)
[thumbnail of Fulltext] Text (Fulltext)
Fulltext.pdf - Published Version
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB)

Abstract

Kesulitan dalam menentukan menu makanan yang sesuai dengan preferensi dan pantangan tertentu sering dialami oleh pengguna. Penelitian ini bertujuan mengembangkan sistem rekomendasi menu makanan berbasis web menggunakan metode Hybrid Filtering yang menggabungkan Content-Based Filtering dan Collaborative Filtering. Data penelitian dikumpulkan melalui observasi lapangan,dan studi pustaka. Metode yang digunakan dalam penelitian ini adalah model waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, hingga pengujian. Hasil penelitian mennjukkan bahwa hasil pengujian Black Box Testing menunjukkan bahwa seluruh fitur utama, seperti input preferensi, pencarian, rekomendasi, favorit, rating, dan ulasan berjalan dengan baik. Perhitungan bobot Hybrid Filtering menghasilkan skor rekomendasi tinggi pada menu yang sesuai preferensi dan skor rendah hingga negatif pada menu yang tidak sesuai, sehingga sistem mampu menggabungkan preferensi individu dengan kecenderungan komunitas secara efektif. Lebih lanjut, User Acceptance Testing (UAT) memperoleh nilai rata-rata 92,6% dengan kategori “sangat layak”, yang menandakan sistem ini layak digunakan.

Item Type: Thesis (S1)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: S1 Teknik Informatika
Depositing User: Mr. Pasnur Pasnur
Date Deposited: 31 Oct 2025 08:59
Last Modified: 31 Oct 2025 08:59
URI: https://repository.akba.ac.id/id/eprint/30

Actions (login required)

View Item
View Item