Penerapan Metode Content-Based Filtering Berbasis Multilingual Sentence-BERT untuk Sistem Rekomendasi Menu (Studi Kasus: Depot Mie Gemes)

Abstract

Persaingan industri kuliner yang semakin ketat menuntut pelaku usaha untuk memahami preferensi pelanggan secara lebih mendalam, salah satunya melalui pemanfaatan sistem rekomendasi menu. Penelitian ini berfokus pada pengembangan model Content-Based Filtering (CBF) berbasis representasi teks menggunakan Multilingual Sentence-BERT (mSBERT) dengan cosine similarity untuk menghasilkan rekomendasi menu yang relevan secara semantik. Data yang digunakan berupa deskripsi menu makanan, minuman, dan dimsum dari Depot Mie Gemes di Porong, Sidoarjo, yang memuat karakteristik rasa, cara penyajian, serta komposisi produk. Proses penelitian meliputi tahap preprocessing data, ekstraksi fitur menggunakan mSBERT, perhitungan kemiripan antar-menu dengan cosine similarity. Evaluasi dilakukan melalui user preference study terhadap 20 responden untuk menilai relevansi dan daya tarik rekomendasi. Hasil evaluasi menunjukkan bahwa sistem mampu menghasilkan rekomendasi dengan tingkat penerimaan yang baik, ditunjukkan oleh rata-rata skor penilaian 4.31 dari skala 5. Temuan ini menunjukkan bahwa mSBERT mampu menangkap konteks semantik deskripsi menu secara efektif, sehingga rekomendasi yang dihasilkan lebih sesuai dengan preferensi pengguna. Selain itu, penelitian ini menghasilkan sebuah prototipe sistem rekomendasi berbasis web menggunakan Streamlit, yang menampilkan rekomendasi menu secara interaktif dan mudah dipahami. Sistem ini berpotensi menjadi solusi pendukung keputusan bagi pelaku usaha kuliner dalam menyajikan rekomendasi menu yang lebih relevan bagi pelanggan.