Sistem Pencarian Resep Makanan Berbasis Semantic Embedding Dan Sentence-Bert

Abstract

Tujuan dari proyek ini adalah untuk membuat sistem pencarian resep makanan berbasis pencarian semantik menggunakan model Sentence-BERT (SBERT) dan embedding semantik. Masalah utama dengan pencarian resep adalah bahwa sistem pencarian tradisional tidak dapat memahami makna kata yang digunakan dalam pencarian, yang sering mengakibatkan hasil pencarian yang tidak berguna. Untuk memungkinkan pencocokan berbasis makna daripada hanya pencocokan kata kunci, studi ini menyarankan penggunaan SBERT untuk membuat representasi semantik dari teks resep. Metodologi eksperimental studi ini terdiri dari dua fase utama: pencarian internet dan pengindeksan offline. SBERT digunakan untuk memproses dan mengubah data resep makanan Indonesia menjadi vektor, yang kemudian disimpan dalam indeks FAISS untuk pencarian yang efisien. Dengan menggunakan 390 data uji, statistik Mean Average Precision (MAP) digunakan untuk menilai kinerja sistem. Menurut hasil pengujian, peningkatan relevansi hasil pencarian paling baik dicapai dengan nilai ambang 0,50. Berdasarkan makna dari kueri pengguna, sistem yang dikembangkan dapat menghasilkan pencarian yang lebih relevan, menurut temuan penelitian. Selain menawarkan peluang untuk pertumbuhan di masa depan dengan fitur personalisasi dan integrasi data multimodal, penelitian ini mendorong pengembangan sistem pencarian berbasis semantik.