Implementasi Sistem Rekomendasi Berbasis Geografis Untuk Rekomendasi MPASI

Jayanty, Amalinda (2026) Implementasi Sistem Rekomendasi Berbasis Geografis Untuk Rekomendasi MPASI. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201152-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Periode seribu hari pertama kehidupan anak merupakan masa krusial yang menentukan tumbuh kembang optimal, sehingga asupan gizi seperti Makanan Pendamping ASI (MP-ASI) harus diberikan secara tepat. Namun, banyak orang tua masih mengalami kesulitan dalam memilih resep MP-ASI yang sesuai dengan kondisi bayi, terutama jika memiliki riwayat alergi atau perbedaan latar belakang geografis. Untuk itu, penelitian ini mengembangkan sistem rekomendasi berbasis content-based filtering dan demographic-based filtering yang diintegrasikan dalam model hybrid. Sistem ini dirancang untuk merekomendasikan resep MP-ASI yang bebas dari alergen serta sesuai dengan asal daerah dan usia bayi. Dataset disusun dari berbagai resep MP-ASI yang telah diklasifikasi berdasarkan bahan alergen dan data geografis. Evaluasi dilakukan menggunakan metrik Hamming Distance, yang menunjukkan bahwa model hybrid menghasilkan rata-rata nilai terendah dibanding dua model lainnya, yaitu sebesar 0.3902. Hal ini menunjukkan bahwa pendekatan hybrid mampu memberikan rekomendasi yang paling relevan dan aman bagi bayi. Dengan sistem ini, pengguna dapat memperoleh saran resep yang tidak hanya menyesuaikan preferensi bahan makanan yang harus dihindari, tetapi juga mempertimbangkan faktor budaya dan usia konsumsi. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam membantu orang tua memilih MP-ASI yang tepat, aman, dan bergizi untuk mendukung pertumbuhan optimal bayi pada masa emas kehidupannya.
===============================================================================================================================
The first 1,000 days of a child’s life are a critical period for optimal growth and development, making the provision of appropriate complementary foods (MP-ASI) essential. However, many parents face challenges in selecting suitable MP-ASI recipes, particularly when dealing with food allergies and considering geographic differences. This study proposes a recommendation system that integrates content-based filtering and demographic-based filtering within a hybrid model. The system is designed to recommend MP-ASI recipes that are free from allergens and tailored to the user's regional background and the child's age. The dataset consists of various MP-ASI recipes categorized by allergenic ingredients and geographic attributes. The system’s performance was evaluated using the Hamming Distance metric, where the hybrid model achieved the lowest average score (0.3902) compared to the other models, indicating superior relevance and accuracy. This system allows users to receive recipe suggestions that not only avoid allergenic ingredients but also reflect cultural and age-appropriate dietary needs. Overall, this research contributes to supporting parents in selecting safe, nutritious, and suitable MP-ASI recipes to promote healthy development during the child’s golden growth phase.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Recommender System, Alergi Makanan, Geografis, Demographic-based, MPASI, Food Allergy, Geographic, Content-based
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Amalinda Jayanty
Date Deposited:	10 Jun 2026 00:45
Last Modified:	10 Jun 2026 00:45
URI:	http://repository.its.ac.id/id/eprint/133539

Actions (login required)

View Item