Sistem rekomendasi makanan sehat bagi penderita diabetes menggunakan Metode Item Based Collaborative Filtering

INDONESIA:

Diabetes melitus merupakan salah satu penyakit kronis yang memerlukan pengaturan pola makan secara tepat untuk membantu menjaga kestabilan kadar gula darah. Pemilihan bahan makanan yang sesuai sering kali menjadi tantangan bagi penderita diabetes karena banyaknya variasi makanan dan perlunya mempertimbangkan kandungan nutrisi secara cermat. Penelitian ini bertujuan untuk membangun sistem rekomendasi bahan makanan sehat bagi penderita diabetes menggunakan metode Item-Based Collaborative Filtering guna membantu pengguna dalam memilih bahan makanan yang sesuai berdasarkan pola rating dan kesesuaian nutrisi. Proses penelitian dilakukan melalui pengumpulan dan preprocessing data nutrisi, pembentukan nilai rating, penyusunan User-Item Matrix, perhitungan kemiripan antar item menggunakan cosine similarity, serta penambahan diabetes_score berdasarkan parameter gula, karbohidrat, dan serat untuk mendukung filter diabetes-friendly. Sistem menghasilkan rekomendasi dalam bentuk Top-N Recommendation berdasarkan prediksi rating makanan yang belum dinilai pengguna. Hasil pengujian menunjukkan bahwa sistem memiliki 1000 pengguna dan 35 item makanan dengan nilai sparsity sebesar 0,7513. Evaluasi performa menggunakan Mean Absolute Error (MAE) menghasilkan nilai sebesar 0,7265, yang menunjukkan bahwa sistem mampu memberikan prediksi dengan tingkat kesalahan yang masih dapat diterima. Dengan demikian, sistem rekomendasi yang dikembangkan dapat menjadi alat bantu dalam mendukung pemilihan bahan makanan sehat berbasis data bagi penderita diabetes.

ENGLISH:

Diabetes mellitus is a chronic disease that requires proper dietary management to help maintain stable blood sugar levels. Selecting appropriate food ingredients is often a challenge for diabetes patients due to the wide variety of available foods and the need to carefully consider nutritional content. This study aims to develop a recommendation system for healthy food ingredients for diabetes patients using the Item-Based Collaborative Filtering method to assist users in selecting suitable food ingredients based on rating patterns and nutritional suitability. The research process was conducted through nutritional data collection and preprocessing, rating value generation, User-Item Matrix construction, item similarity calculation using cosine similarity, and the addition of a diabetes_score based on sugar, carbohydrate, and fiber parameters to support the diabetes-friendly filtering process. The system generates recommendations in the form of Top-N Recommendation based on predicted ratings for food items that have not yet been rated by users. The test results show that the system consists of 1000 users and 35 food items, with a sparsity value of 0.7513. Performance evaluation using Mean Absolute Error (MAE) produced a value of 0.7265, indicating that the system is capable of providing predictions with an acceptable level of error. Therefore, the developed recommendation system can serve as a decision-support tool in selecting data-driven healthy food ingredients for diabetes patients.

ARABIC:

يُعدّ داء السكري من الأمراض المزمنة التي تتطلب تنظيمًا دقيقًا للنظام الغذائي للمساعدة في الحفاظ على استقرار مستوى السكر في الدم. ويُعد اختيار المواد الغذائية المناسبة تحديًا لمرضى السكري بسبب تنوع الأطعمة وضرورة مراعاة محتواها الغذائي بعناية. يهدف هذا البحث إلى بناء نظام توصية للمواد الغذائية الصحية لمرضى السكري باستخدام طريقة الترشيح التعاوني المعتمد على العناصر (Item-Based Collaborative Filtering) لمساعدة المستخدمين في اختيار المواد الغذائية المناسبة بناءً على أنماط التقييم ومدى ملاءمة المحتوى الغذائي. تم تنفيذ البحث من خلال جمع بيانات التغذية ومعالجتها مسبقًا، وتكوين قيم التقييم، وبناء مصفوفة المستخدم-العنصر (User-Item Matrix)، وحساب درجة التشابه بين العناصر باستخدام طريقة تشابه جيب التمام (cosine similarity)، بالإضافة إلى إنشاء درجة التغذية الخاصة بمرضى السكري (diabetes_score) اعتمادًا على معايير السكر والكربوهيدرات والألياف لدعم عملية التصفية الملائمة لمرضى السكري. ينتج النظام توصيات في شكل أفضل العناصر المقترحة (Top-N Recommendation) بناءً على التنبؤ بتقييمات المواد الغذائية التي لم يقيّمها المستخدمون بعد. أظهرت نتائج الاختبار أن النظام يحتوي على 1000 مستخدم و35 عنصرًا غذائيًا، مع قيمة تشتت (sparsity) بلغت 0.7513. كما أظهر تقييم الأداء باستخدام متوسط الخطأ المطلق (Mean Absolute Error/MAE) قيمة قدرها 0.7265، مما يدل على أن النظام قادر على تقديم تنبؤات بمستوى خطأ مقبول. وبذلك، يمكن للنظام المطوّر أن يكون أداة مساعدة داعمة لاتخاذ القرار في اختيار المواد الغذائية الصحية لمرضى السكري اعتمادًا على التوصيات القائمة على البيانات