PERANCANGAN SISTEM REKOMENDASI RESEP BERGIZI UNTUK MASYARAKAT MENGGUNAKAN K-MEANS CLUSTERING

Abstract

Pemanfaatan teknologi digital semakin memudahkan masyarakat dalam mencari serta memilih makanan, namun kemudahan tersebut turut mendorong meningkatnya konsumsi makanan cepat saji yang cenderung rendah nilai gizi dan berisiko menimbulkan masalah kesehatan. Penelitian ini mengembangkan sebuah sistem rekomendasi resep bergizi berbasis web yang menyesuaikan saran menu dengan kebutuhan energi masing-masing pengguna. Proses penelitian mencakup tahap pra-pengolahan dataset Indonesian Food and Drink Nutrition yang berisi 1.347 jenis makanan, penerapan algoritma K-Means Clustering untuk mengelompokkan makanan berdasarkan kandungan kalori, protein, karbohidrat, dan lemak, serta integrasi perhitungan Basal Metabolic Rate (BMR) dan Total Daily Energy Expenditure (TDEE). Implementasi sistem dilakukan menggunakan CodeIgniter 4. Hasil pengelompokan menunjukkan lima cluster makanan dengan karakteristik nutrisi yang berbeda, di mana cluster terbesar adalah Rendah Karbohidrat (66,5%). Evaluasi menggunakan Silhouette Coefficient menghasilkan nilai rata-rata 0.76 yang mengindikasikan kualitas cluster yang baik. Sistem yang dibangun mampu memberikan rekomendasi resep yang sesuai dengan profil gizi pengguna dan berpotensi mendukung pola makan yang lebih terarah serta personal