STUDI KINERJA ALGORITMA SIMILARITAS BERBOBOT DALAM CASE BASED REASONING REKOMENDASI RESEP KULINER INDONESIA

  • Setyawan Wibisono
  • Wiwien Hadikurniawati

Abstract

Pada penelitian ini akan dilakukan perbandingan kinerja antara beberapa algoritma similaritas pada metoda case based reasoning untuk memberikan rekomendasi resep kuliner Indonesia. Sistem akan memberikan saran resep masakan yang paling sesuai dengan bahan masakan yang dikonsultasikan oleh pengguna. Dalam penentuan resep masakan yang paling sesuai didasarkan pada hasil perhitungan similaritas pada algoritma kemiripan dengan metoda case based reasoning. Algoritma similaritas yang akan diteliti kinerjanya adalah algoritma Jaccard, Dice, 3W-Jaccard, Sokal&Sneath1, Sorgenfrei, dan Ochiai. Dari input bahan masakan yang berasal dari pengguna yang biasanya disebut sebagai konsultasi, maka sistem akan membandingkan bahan masakan tersebut dengan bahan masakan pada setiap resep masakan. Bahan masakan diberikan bobot oleh sistem, dengan mengambil data yang telah ada dalam tabel. Setiap bahan masakan ditentukan bobotnya berdasarkan pengelompokkan bobot yang sudah ditetapkan. Pengelompokkan bobot dibagi dalam lima kategori besar bahan masakan. Setiap kelompok bahan masakan ditentukan nilai bobotnya sesuai dengan peran bahan masakan tersebut dalam membentuk resep masakan. Peran pembentuk resep masakan ditentukan oleh pakar, dengan aturan bahan masakan yang dipunyai oleh hampir semua masakan atau dapat dikatakan sebagai bahan masakan yang umum akan diberikan bobot yang kecil, sedangkan bahan masakan yang hanya dimiliki oleh sedikit resep masakan akan diberikan nilai yang lebih besar. Tujuan pemberian bobot ini adalah meningkatkan akurasi kemiripan antara konsulasi dengan rekomendasi masakan yang diusulkan. Algoritma similaritas yang diimplementasikan pada metoda CBR dapat berbeda-beda. Dalam penelitian ini algoritma similaritas yang dicoba untuk diimplementasikan adalah algoritma similaritas Jaccard, Dice, 3W-Jaccard, Sokal&Sneath1, Sorgenfrei, dan Ochiai. Bahan masakan dikelompokkan dalam lima kategori yaitu: bahan utama diberikan nilai bobot 9, bahan pendukung diberikan nilai bobot 7, bumbu utama diberikan nilai bobot 5, bumbu pendukung diberikan nilai bobot 3 dan bumbu umum diberikan nilai bobot 1. Dari beberapa algoritma similaritas yang dicoba untuk diimplementasikan nilai similaritas 3W-Jaccard menghasilkan nilai similaritas paling tinggi, sedangkan nilai similaritas paling rendah diperoleh pada sebagian algoritma Sokal&Sneath-1.

References

[1] Aamodt, A., & Plaza, E. (1994). Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI communications, 7(1), 39-59. [2] Cover, T., & Hart, P. (1967). Nearest neighbor pattern classification. IEEE transactions on information theory, 13(1), 21-27. [3] Hamzah, A., Soesianto, F., Susanto, A., & Istiyanto, J. E. (2015). Studi kinerja fungsi-fungsi jarak dan similaritas dalam clustering dokumen teks berbahasa indonesia. In Seminar Nasional Informatika (SEMNASIF) (Vol. 1, No. 1). [4] Liao, T. W., Zhang, Z., & Mount, C. R. (1998). Similarity measures for retrieval in case-based reasoning systems. Applied Artificial Intelligence, 12(4), 267-288. [5] Cunningham, P. (2008). A taxonomy of similarity mechanisms for case-based reasoning. IEEE Transactions on Knowledge and Data Engineering, 21(11), 1532-1543. [6] Fransica Octaviani, S., Purwadi, J., & Delima, R. (2011). Implementasi Case Based Reasoning Untuk Sistem Diagnosis Penyakit Anjing. Duta Wacana Christian University. [7] Cha, S. H. (2007). Comprehensive survey on distance/similarity measures between probability density functions. City, 1(2), 1. [8] Choi, S. S., Cha, S. H., & Tappert, C. C. (2010). A survey of binary similarity and distance measures. Journal of Systemics, Cybernetics and Informatics, 8(1), 43-48.
Published
2019-12-05
How to Cite
Wibisono, S., & Hadikurniawati, W. (2019). STUDI KINERJA ALGORITMA SIMILARITAS BERBOBOT DALAM CASE BASED REASONING REKOMENDASI RESEP KULINER INDONESIA. SINTAK, 3. Retrieved from https://unisbank.ac.id/ojs/index.php/sintak/article/view/7618
Section
Vol 3 (2019)