Penerapan Metode Content Based Filtering Untuk Rekomendasi Minuman Dengan Kadar Gula Di Supermarket
Keywords:
Content-Based Filtering, Rekomendasi, Minuman, Kadar Gula, Kesehatan, SupermarketAbstract
Penelitian ini mengusulkan penerapan content based filtering untuk mengembangkan sistem rekomendasi minuman berdasarkan kadar gula di supermarket. Tujuan utama adalah memanfaatkan informasi konten seperti kandungan gula, jenis minuman, dan merek untuk memberikan rekomendasi yang sesuai dengan preferensi konsumen terkait kesehatan. Metode ini menggunakan analisis konten dari data produk untuk mengidentifikasi minuman yang cocok berdasarkan tingkat gula yang diinginkan oleh pengguna. Penelitian ini menggunakan dataset minuman dari beberapa supermarket dan mengimplementasikan algoritma content-based filtering untuk menghasilkan rekomendasi personal yang relevan. Hasil eksperimen menunjukkan bahwa pendekatan ini mampu memberikan rekomendasi yang dapat meningkatkan kesadaran konsumen tentang kesehatan dan memfasilitasi pilihan minuman yang lebih tepat sesuai preferensi gula mereka.
References
Hariawan, H. 2020. ‘CERDIK Meningkatkan Pengendalian Penyakit Tidak Menular di Indonesia:DOI: http://dx.doi.org/10.33846/2trik91 04’, 10(1), pp. 16–20.
Oktorina, R., Wahyuni, A. and Harahap, E.Y. 2019. ‘Faktor-Faktor Yang Berhubungan Dengan Perilaku Pencegahan Ulkus Diabetikum Pada Penderita Diabetes Mellitus’, REAL in Nursing Journal, 2(3), p. 108. Available at: https://doi.org/10.32883/rnj.v2i3.5 70.
Lisiswanti, R. and Haryanto, F.P. 2017. ‘Allicin pada Bawang Putih (Allium sativum) sebagai Terapi Alternatif Diabetes Melitus Tipe 2’, Jurnal Majority, 6(2), pp. 31– 36.
Kemenkes. 2018. ‘Laporan Riskesdas 2018 Nasional.pdf’, Lembaga Penerbit Balitbangkes, p. hal 156.
Kemenkes RI. 2023. Survei Kesehatan Indonesia Tahun 2023 Dalam Angka, Survei Kesehatan Indonesia Tahun 2023. Jakarta: BPPK, Kemenkes RI.
Akhter N, Begum K, Nahar P, Cooper G, Vallis D, Kasim A, et al. Risk factors for non-communicable diseases related to obesity among first- and second-generation Bangladeshi migrants living in north-east or south-east England. Int J Obes [Internet]. 2021;45(7):1588–98. Available from: http://dx.doi.org/10.1038/s41366-021-00822-5
Bello B, Useh U. COVID-19: Are Non-Communicable Diseases Risk Factors for Its Severity? Am J Heal Promot. 2021;35(5):720–9.
Santos LP, Gigante DP, Delpino FM, Maciel AP, Bielemann RM. Sugar sweetened beverages intake and risk of obesity and cardiometabolic diseases in longitudinal studies: a systematic review and metaanalysis with 1.5 million individuals. Clin Nutr ESPEN. 2022;(December 2021):1–2.
Malik VS, Hu FB. The role of sugar-sweetened beverages in the global epidemics of obesity and chronic diseases. Nat Rev Endocrinol. 2022;18(4):205–18.
Sartika RAD, Atmarita, Duki MIZ, Bardosono S, Wibowo L, Lukito W. Consumption of SugarSweetened Beverages and Its PotentialHealth Implications in Indonesia. Kesmas. 2022;17(1):1–9.
Fadly, R. (2023, Maret 4). Manis-manis miris. Kompas.id. https://www.kompas.id/baca/opini/2023/03/03/manis-manis-miris.
Cunha, T., Soares, C., & de Carvalho, A. C. P. L. F. (2018). Metalearning and Recommender Systems: A literature Review and Empirical Study on the Algorithm Selection Problem for Collaborative Filtering. Information Sciences, 423(1), 128–144.
Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer. Basel. Switzerland.
Budianto, T., & Hermawan, G. (2013). Rancang Bangun Music Recommender System dengan Metode User-Based Collaborative. Jurnal Ilmiah Komputer Dan Informatika (KOMPUTA), 2(2), 1–10.
Nastiti, P. (2019). Penerapan Metode Content Based Filtering dalam Implementasi Sistem Rekomendasi Tanaman Pangan. Teknika, 8(1), 1–10.
Thorat, P. B., Goudar, R. M., & Barve, S. S. (2015). Survey on Collaborative Filtering, Content-based Filtering and Hybrid Recommendation System. International Journal of Computer Applications, 110(4), 31–36.
