SISTEM REKOMENDASI GIZI HARIAN BERBASIS KNOWLEDGE GRAPH DAN FORWARD CHAINING
DOI:
https://doi.org/10.70248/jrsit.v3i1.2865Abstract
Perubahan pola konsumsi masyarakat yang cenderung mengarah pada makanan instan rendah gizi meningkatkan risiko malnutrisi. Keterbatasan akses terhadap layanan konsultasi gizi menjadi salah satu alasan perlunya solusi digital yang mampu memberikan rekomendasi gizi yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi makanan harian berbasis knowledge graph dengan menerapkan metode forward chaining sebagai mekanisme inferensi untuk memenuhi kebutuhan gizi pengguna secara personal. Sistem dibangun melalui tiga tahapan utama, yaitu preprocessing data makanan, pembangunan knowledge graph sebagai representasi pengetahuan, serta penerapan forward chaining untuk menarik kesimpulan berdasarkan aturan-aturan gizi yang telah ditentukan. Selain itu, logika fuzzy digunakan untuk mengklasifikasikan status gizi berdasarkan nilai Indeks Massa Tubuh (IMT), guna mendukung personalisasi rekomendasi. Hasil implementasi menunjukkan bahwa sistem mampu mengidentifikasi kebutuhan nutrisi harian dan memberikan rekomendasi makanan yang sesuai. Evaluasi menggunakan metrik Average Nutrient Coverage (ANC) menunjukkan tingkat kecocokan sebesar 94,33% pada lima kategori utama: energi, protein, lemak, karbohidrat, dan serat pangan. Sistem diimplementasikan dalam bentuk antarmuka web interaktif, di mana pengguna dapat memasukkan data pribadi seperti usia, jenis kelamin, tinggi badan, berat badan, tingkat aktivitas, dan riwayat konsumsi makanan
References
Aprilia, S., Agustin, R., Marthalena, M., Pranatawijaya, V. H., & Priskila, R. (2024). Sistem Pakar Rekomendasi Obat Berdasarkan Gejala Penyakit Menular Umum Di Masyarakat Menggunakan Metode Forward Chaining. Jurnal Informatika Dan Teknik Elektro Terapan, 12(2). https://doi.org/10.23960/jitet.v12i2.4258
Ayuningtyas, S. C., Wiharja, K. R. S., & Nhita, F. (2023). Visualisasi Al- Qur’an Berbasis Knowledge graph dengan Ayat Sebagai Vertex. E-Proceeding of Engineering, 10(3), 3642–3651.
Bintanah, S., Kusuma, H. S., Ulvie, Y. N. S., & Mulyati, T. (2018). Perhitungan Kebutuhan Gizi Individu. In NextBook.
Breitfuss, A., Errou, K., Kurteva, A., & Fensel, A. (2021). Representing emotions with knowledge graphs for movie recommendations. Future Generation Computer Systems, 125, 715–725. https://doi.org/10.1016/j.future.2021.06.001
Chicaiza, J., & Valdiviezo-Diaz, P. (2021). A comprehensive survey of knowledge graph-based recommender systems: Technologies, development, and contributions. Information (Switzerland), 12(6). https://doi.org/10.3390/info12060232
Eluis Bali Mawartika, Y., & Guntur, M. (2021). Aplikasi Sistem Pakar Pemilihan Makanan Berdasarkan Kebutuhan Gizi Menggunakan Metode Forward Chaining Application Expert System for Food Selection Based on Nutritional Needs using Forward Chaining. Cogito Smart Journal |, 7(1), 96–110.
Februariyanti, H., Dwi Laksono, A., Sasongko Wibowo, J., & Siswo Utomo, M. (2021). Implementasi Metode Collaborative Filtering Untuk Sistem Rekomendasi Penjualan Pada Toko Mebel. Khatulistiwa Informatika, 9(1), 43–45.
Hafizal, M. T., Putra, D. P., Wirianata, H., Nugraha, N. S., Suparyanto, T., Hidayat, A. A., & Pardamean, B. (2022). Implementation of expert systems in potassium deficiency in cocoa plants using forward chaining method. Procedia Computer Science, 216(2022), 136–143. https://doi.org/10.1016/j.procs.2022.12.120
Hao, X., Ji, Z., Li, X., Yin, L., Liu, L., Sun, M., Liu, Q., & Yang, R. (2021). Construction and application of a knowledge graph. Remote Sensing, 13(13). https://doi.org/10.3390/rs13132511
Hidayah, N., Kurniawati, D. A., Umaryani, D. S. N., & Ariyani, N. (2023). Jurnal Keperawatan Muhammadiyah Bengkulu. Sereal Untuk, 8(1), 51.
Hodijah, A., Setijohatmo, U. T., Nugraha, A. C., & ... (2022). Pelatihan Pemodelan Data Knowledge Graph untuk Mahasiswa Jurusan Ilmu Komputer Universitas Pertamina dan Jurusan Teknik Komputer-Informatika Politeknik …. Jurnal Pengabdian …, 1(1).
Huda, A. A., Fajarudin, R., & Hadinegoro, A. (2022). Sistem Rekomendasi Content-based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita. Building of Informatics, Technology and Science (BITS), 4(3), 1679–1686. https://doi.org/10.47065/bits.v4i3.2511
Ma, X. (2022). Knowledge graph construction and application in geosciences: A review. Computers and Geosciences, 161(February). https://doi.org/10.1016/j.cageo.2022.105082
Milk, B., Using, M., Tahani, T., Method, F., An, A., & To, E. (2024). SISTEM REKOMENDASI KEBUTUHAN NUTRISI MAKANAN PENDAMPING AIR SUSU IBU ( MPASI ) MENGGUNAKAN METODE FUZZY TAHANI SEBAGAI UPAYA PENCEGAHAN STUNTING ( Recommendation System For Nutritional Needs For Complementary Foods For. 6(2).
Naryanto, R. F., Delimayanti, M. K., Kriswanto, Musyono, A. D. N. I., Sukoco, I., & Aditya, M. N. (2022). Development of a mobile expert system for the diagnosis on motorcycle damage using forward chaining algorithm. Indonesian Journal of Electrical Engineering and Computer Science, 27(3), 1601–1609. https://doi.org/10.11591/ijeecs.v27.i3.pp1601-1609
Pratama, C. W., & Nugroho, A. (2024). Sistem Pakar Penentuan Jenis Makanan Sesuai Kebutuhan Kalori Pasien Menggunakan Metode Forward Chaining (Studi Kasus : RSUD dr. HA Habibie). Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 8(1), 107–113. https://doi.org/10.35870/jtik.v8i1.1316
Putu Eka Nopitasari, M. H. (2021). Received: Januari 2021; Accepted: April 2021; Published: Juni 2021. Online Keperawatan Indonesia, 4(1), 1–11.
Rofidah, K., Kesehatan, M., Dalam, D., Sehat, D. M., Tinggi, B., Putriana, N., Gita, A., Roqimah, C., Dyah, L., & Arini, D. (2024). Membangun Kesehatan Dari Dalam Dengan Menu Sehat Berprotein Tinggi. Jurnal Ilmu Kesehatan Dan Gizi, 2(3), 06–19.
Sufi, H., Utomo, D. W., & Darmawati, G. (2023). Sistem Pakar Rekomendasi Menu Makanan Sehat Penderita Penyakit dengan Metode Forward Chaining. Jurnal KomtekInfo, 10, 8–14. https://doi.org/10.35134/komtekinfo.v10i1.320
Sun, Y. (2023). Research on Digital Book Resource Recommendation Algorithm Based on Knowledge Graph. Procedia Computer Science, 247(C), 953–962. https://doi.org/10.1016/j.procs.2024.10.115
Wang, X., Huang, T., Wang, D., Yuan, Y., Liu, Z., He, X., & Chua, T. S. (2021). Learning intents behind interactions with knowledge graph for recommendation. The Web Conference 2021 - Proceedings of the World Wide Web Conference, WWW 2021, 1, 878–887. https://doi.org/10.1145/3442381.3450133
