Sistem Pendukung Keputusan Rekomendasi Menu Terbaik Untuk Penderita Diabetes Mellitus Dengan Metode Simple Additive Weighting (SAW) Pada Cafe Sisikopi Padang

Pemilihan menu makanan dan minuman sangat perlu diperhatikan bagi penderita diabetes mellitus karena kadar gula darah harus tetap terkontrol. Namun, banyak pelanggan yang mengidap diabetes mellitus mengalami kesulitan dan kebingungan ketika memilih menu yang sesuai saat memesan di kafe. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) yang dapat memberikan rekomendasi menu terbaik bagi penderita diabetes mellitus pada Cafe SisiKopi Padang. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW) dengan beberapa kriteria, yaitu kandungan gula, waktu penyajian, popularitas menu, dan harga menu. Proses metode SAW dilakukan melalui tahapan pembentukan matriks keputusan, normalisasi, pembobotan, dan perhitungan nilai preferensi untuk menghasilkan perangkingan setiap alternatif menu. Sistem dikembangkan berbasis web menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memberikan rekomendasi menu secara terarah, objektif, dan berbasis data. Sistem ini diharapkan dapat membantu pelanggan Cafe SisiKopi Padang yang mengidap diabetes mellitus dalam menentukan pilihan menu dengan lebih mudah dan tepat serta membantu pihak kafe dalam menyediakan informasi rekomendasi menu berdasarkan kriteria yang telah ditentukan.

Authors

Institutions

Publication Details

Journal
Jurnal Sains Informatika Terapan
Published
2026-10-15
Primary Topic
Decision Support System Applications
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Sistem Pendukung Keputusan Rekomendasi Menu Terbaik Untuk Penderita Diabetes Mellitus Dengan Metode Simple Additive Weighting (SAW) Pada Cafe Sisikopi Padang

Tio Rahma Yandaka
Jurnal Sains Informatika Terapan
Decision Support System Applications
article

Sistem Pendukung Keputusan Rekomendasi Menu Terbaik Untuk Penderita Diabetes Mellitus Dengan Metode Simple Additive Weighting (SAW) Pada Cafe Sisikopi Padang

Tio Rahma Yandaka
article en

Abstract

Pemilihan menu makanan dan minuman sangat perlu diperhatikan bagi penderita diabetes mellitus karena kadar gula darah harus tetap terkontrol. Namun, banyak pelanggan yang mengidap diabetes mellitus mengalami kesulitan dan kebingungan ketika memilih menu yang sesuai saat memesan di kafe. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) yang dapat memberikan rekomendasi menu terbaik bagi penderita diabetes mellitus pada Cafe SisiKopi Padang. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW) dengan beberapa kriteria, yaitu kandungan gula, waktu penyajian, popularitas menu, dan harga menu. Proses metode SAW dilakukan melalui tahapan pembentukan matriks keputusan, normalisasi, pembobotan, dan perhitungan nilai preferensi untuk menghasilkan perangkingan setiap alternatif menu. Sistem dikembangkan berbasis web menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memberikan rekomendasi menu secara terarah, objektif, dan berbasis data. Sistem ini diharapkan dapat membantu pelanggan Cafe SisiKopi Padang yang mengidap diabetes mellitus dalam menentukan pilihan menu dengan lebih mudah dan tepat serta membantu pihak kafe dalam menyediakan informasi rekomendasi menu berdasarkan kriteria yang telah ditentukan.

Jurnal Sains Informatika Terapan
Universitas Putra Indonesia "YPTK" (ID)
Openalex Percentile: Top 6%
Decision Support System Applications
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.