Perancangan Sistem Rekomendasi Menu Kuliner Restoran Menggunakan Metode Content-Based Recommendation

Authors

  • Elsa Oktawiyani Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa
  • Dyah Purwaningsih Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa
  • Ilham Khoiri Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa
  • Rizal Diaz Reihan Saputra Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa
  • Alif Akbar Andriyansyah Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa
  • Vihi Atina Teknik Informatika/Fakultas Ilmu Komputer, Universitas Duta Bangsa

Keywords:

Content-based filtering, TF-IDF, cosine similarity, sistem rekomendasi, menu kuliner, filtering budget

Abstract

Perkembangan teknologi informasi telah memberikan dampak signifikan terhadap industry kuliner, dimana banyak variasi menu yang tersedia sering kali membuat pelanggan mengalami kesulitan dalam menentukan pilihan yang sesuai dengan preferensi dan anggaran. Penelitian ini bertujuan untuk merancang sistem rekomendasi menu kuliner berbasis content-based filtering dengan mengintegrasikan metode TF-IDF dan cosine similarity. Sistem memanfaatkan atribut deskripsi menu, ketegori, penyajian, jenis kuliner, dan harga untuk menghasilkan rekomendasi yang personal dan relevan. Proses pembobotan dilakukan menggunakan TF-IDF dengan L2 normalization, sedangkan perhitungan kemiripan antara preferensi pengguna dan data menu dihitung menggunakan cosine similarity. Hasil rekomendasi kemudian disesuaikan dengan batas budget maksimum yang ditentukan pengguna melalui mekanisme filtering budget. Pengujian sistem dilakukan dengan 32 data menu kuliner menggunakan input keyword “ayam telur”, kategori “Makanan”, Penyajian “Panas”. Hasil Menunjukkan Bakmi Oseng Wonosari menjadi rekomendasi teratas dengan nilai cosine similarity 0,4087, diikuti empat menu lainnya yang memenuhi seluruh kriteria preferensi dan budget pengguna.

References

[1] Asa Dilla Safitri, Vihi Atina, and Anisatul Farida, “Sistem rekomendasi buku menggunakan metode content-based filtering,” INFOTECH J. Inform. Teknol., vol. 5, no. 2, pp. 218–227, 2024, doi: 10.37373/infotech.v5i2.1302.

[2] J. Safitri, Vihi Atina, and Nugroho Arif Sudibyo, “Rancang bangun sistem rekomendasi pemilihan drama korea dengan metode content-based filtering,” INFOTECH J. Inform. Teknol., vol. 5, no. 2, pp. 175–189, 2024, doi: 10.37373/infotech.v5i2.1235.

[3] L. H. Aljihadu, A. N. Rohman, P. Studi, S. Informasi, U. A. Yogyakarta, and K. Sleman, “SISTEM REKOMENDASI WISATA KULINER DI GUNUNG KIDUL MENGGUNAKAN METODE CONTENT BASED FILTERING,” Inform. dan Tek. Elektro Terap., vol. 13, no. 1, 2025.

[4] J. M. Muchalim Danu Warta, Pramono, “SISTEM REKOMENDASI KULINER IKONIK KOTA SOLO MENGGUNAKAN METODE CONTENT BASED FILTERING,” Teknol. Terpadu, vol. 11, no. 1, pp. 78–86, 2025.

[5] B. M. Kumarahadi, Y. K. Kumarahadi, and D. Ridhwanullah, “Sistem Rekomendasi Makanan Kucing Menggunakan Metode Content- Based Filtering,” KRIDATAMA SAINS DAN Teknol., vol. 7, no. 01, pp. 46–61, 2025.

[6] V. Kurnia Sari, D. Hartanti, and E. Purwanto, “Sistem Rekomendasi Resep Masakan Menggunakan Metode Content Based Filtering Berdasarkan Preferensi Pengguna,” Infotek J. Inform. dan Teknol., vol. 8, no. 2, pp. 345–355, 2025, doi: 10.29408/jit.v8i2.30625.

[7] F. A. Putra et al., “IMPLEMENTASI METODE CONTENT-BASED FILTERING PADA SISTEM REKOMENDASI KAFE DI SOLO,” vol. 06, no. 04, pp. 742–751, 2025.

[8] N. P. T. Widiantari, I. M. A. D. Suarjaya, and N. K. D. Rusjayanthi, “Food Recipe Recommendation System with Content-Based Filtering and Collaborative Filtering Methods,” Sinkron, vol. 9, no. 3, pp. 1167–1776, 2025, doi: 10.33395/sinkron.v9i3.14778.

[9] A. N. Faadhilah and E. B. Setiawan, “Content-Based Filtering in Recommendation Systems Culinary Tourism Based on Twitter (X) Using Bidirectional Gated Recurrent Unit (Bi-GRU),” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 10, no. 2, pp. 406–418, 2024, doi: 10.26555/jiteki.v10i2.29010.

[10] Z. Patel and H. J. Chokshi, “Food Recommender System: Methods, Challenges, and Future Research Directions,” Int. J. Eng. Trends Technol., vol. 73, no. 5, pp. 267–276, 2025, doi: 10.14445/22315381/IJETT-V73I5P123.

[11] V. Atina, E. Purwanto, and F. Mohd, “Smart Recommendation System Modeling for Batik Using the Content Based Recommendation Method,” Proceeding Int. Conf. Sci. Heal. Technol., pp. 520–528, 2025, doi: 10.47701/f0vwwz52.

[12] I. Sanjaya, A. Sujjada, and Y. Pratama, “Implementation of Content-Based Filtering in a Novel Recommendation System to Enhance User Experience,” bit-Tech, vol. 8, no. 1, 2025, doi: 10.32877/bt.v8i1.2833.

[13] S. Riyadi1 et al., “IMPLEMENTASI ALGORITMA CONTENT-BASED FILTERING UNTUK REKOMENDASI MAKANAN SEHAT BERDASARKAN KALORI PENGGUNA Farhan,” vol. 6, no. 0, pp. 167–186, 2025.

[14] L. Cahyani, N. Sephiana, M. Tahir, and J. Aisyiah, “Jurnal Explore IT|31 Sistem Rekomendasi Wisata Kuliner Madura Menggunakan Content Based Filtering Madura Culinary Tourism Recommendation System Using Content Based Filtering INFO ARTIKEL ABSTRAK,” J. Keilmuan dan Apl. Tek. Inform. (Explore IT), vol. 16, no. 1, pp. 31–38, 2024.

[15] S. Zhang, Restaurant Recommendation System Based on TF-IDF Vectorization: Integrating Content-Based and Collaborative Filtering Approaches, no. Dai 2023. Atlantis Press International BV, 2024. doi: 10.2991/978-94-6463-370-2_62.

Published

2026-07-25