SYSTEMATIC LITERATURE REVIEW : ANALISA SISTEM REKOMENDASI MAKANAN SEHAT

Abstract

Peningkatan kesadaran masyarakat terhadap pola hidup sehat mendorong kebutuhan akan sistem rekomendasi makanan yang mampu memberikan saran sesuai kebutuhan nutrisi pengguna. Namun, beragamnya pendekatan yang digunakan dalam sistem rekomendasi ini menyebabkan belum adanya gambaran komprehensi mengenai metode, dataset, dan metrik evaluasi yang paling efektif. Penelitian ini bertujuan menganalisis berbagai berbagai pendekatan yang digunakan dalam sistem rekomendasi makanan sehat melalui metode Systematic Literature Review (SLR). Proses yang dilakukan dalam penelitian ini dengan mencari artikel pada database Garuda, ScienceDirect, dan Google Scholar dengan rentang publikasi 2020-2025. Seleksi artikel berdasarkan kriteria inklusi yang telah ditetapkan sehingga diperoleh 18 artikel yang relevan untuk dianalisis. Hasil penelitian menunjukkan bahwa Conten-Based Filtering merupakan metode yang paling banyak digunakan dan efektif. Kombinasi metode hybrid, seperti integrasi CBF dengan KNN, mampu meningkatkan akurasi rekomendasi. Selain itu, pendekatan Knowledge-Based Filterin dan Forward Chaining efektif untuk kebutuhan nutrisi spesifik dan konteks medis. Evaluasi kualitas rekomendasi umumnya menggunakan metrik Precision, Recall, F1-score, RMSE, dan NDCG. Temuan ini menunjukkan bahwa pengembangan sistem rekomendasi makanan sehat yang optimal memerlukn kombinasi metode yang adaptif dengan evaluasi kinerja yang komprehensif