SISTEM REKOMENDASI RESEP MAKANAN DENGAN METODE COLLABORATIVE FILTERING DAN FP-GROWTH MENGGUNAKAN API themealdb.com

FOOD RECOMMENDATION SYSTEM USING COLLABORATIVE FILTERING AND FP-GROWTH METHOD USING API themealdb.com

Memasak makanan dari bahan makanan yang dimiliki seringkali membuat para ibu rumah tangga mengalami kebingungan, apalagi harus membuat jenis makanan dalam banyak variasi. Umumnya, yang dilakukan adalah dengan mencari resep dari buku resep maupun dari internet. Kelamahannya, buku resep dan resep dari internet tidak memiliki filter untuk melakukan pencarian resep berdasarkan bahan makanan. Dengan adanya peristiwa tersebut, diperlukan adanya sebuah sistem rekomendasi resep makanan berdasarkan bahan makanan yang dimiliki. Pada penelitian kali ini, penulis akan mengimplementasikan sistem rekomendasi resep masakan berdasarkan bahan baku menggunakan algoritma Collaborative filtering, dengan penambahan fitur asosiasi menggunakan algoritma FP-Growth. Data bahan makanan dari themealDB, dilakukan pemberian rating, kemudian dilakukan perhitungan kemiripan menggunakan Cossine Simmilary dan perhitungan weighted sum untuk prediksi rating. data Algoritma fp-Growth digunakan untuk menampilkan data resep yang bersesuaian dari resep hasil rekomendasi yang dipilih. Hasil dair pengujian menunjukkan bahwa hasil akurasi dari pengujian rekomendasi mencapai 0.6% dan untuk hasil akurasi pengujian rekomendasi dengan FP-Growth mencapai nilai 79,1%.

Cooking food from food that is owned often makes housewives experience confusion, especially when they have to make various types of food. Generally, this is done by searching for recipes from cookbooks and from the internet. The disadvantage is that recipe books and recipes from the internet do not have a filter to search for recipes based on food ingredients. With this event, it is necessary to have a system for recommendation of food recipes based on food ingredients owned. In this research, the author will design a recipe recommendation system based on raw materials using the collaborative filtering algorithm, with the addition of the association feature using the FP-Growth algorithm. The food material data from themealDB is given a rating, then calculates the similarity using cossine simmilary and calculates the weighted sum for rating prediction. The fp-Growth algorithm data is used to display the corresponding recipe data from the selected recommendation results. The results of the testing show that the accuracy of the recommendation testing reaches 0.6% and the accuracy of the recommendation testing with FP-Growth reaches a value of 79,1%.