Jurnal Teknologi Informasi, Volume 8 Nomor 1, April 2012, ISSN 1414-9999

GAME SIMULASI PENENTU RESEP MASAKAN

BERBASIS CASE BASED REASONING

Ernawati, Edi Noersasongko, Romi Satria Wahono

Pascasarjana Teknik Informatika Universitas Dian Nuswantoro

ABSTRACT
In giving cooking lessons, a teacher must prepare several purposes for the practice of cooking, ie places,
tools, materials and time. In addition to the above, the practice of cooking also require a few tries to get
the appropriate cooking recipes. Time available in schools is very limited. If a person who is learning to
cook a failure in practice it will directly lead to loss of materials and time. To repeat the practice, a
student must pay for the purchase of materials and take the time anymore. This event over and over and
students do not get the appropriate prescription, it will lead to burnout and loss. Students in determining
the appropriate recipe ingredients and marinade them accurately is difficult, in order to facilitate the
learning process of cooking the cooking simulation game created by the method of Case Based Reasoning
using the nearest neighbor algorithm.Game simulations to determine the existence of recipes with Case
Based Reasoning is a method, it turns cooking facilitate the learning process students can do, anywhere
and anytime, without having to pay for the practice.

Keyword:
Simulation Game, Case Based Reasoning, Nearest Neighbor, Cooking

1. PENDAHULUAN
Dalam memasak dibutuhkan pengalaman, terutama dalam menentukan jenis resep yang tepat. Menurut
Juan DeMiguel, Laura Plaza, dan Belen Diaz-Agudo bahwa memasak dalam menentukan menu resep
masakan itu sulit [1]. Kesulitan dalam menentukan resep di karenakan banyaknya jenis bahan dan bumbu
masakan yang sangat banyak. Penggunaan bumbu yang seimbang dengan bahan menghasilkan cita rasa
hidangan yang enak [2].
Untuk menentukan resep masakan yang tepat bahan dan bumbunya, sehingga diperoleh hasil
masakan yang lezat, bergizi, aroma dan penampilan yang menggugah selera, maka dibutuhkan beberapa
kali percobaan, diperlukan biaya, bahan, alat dan waktu yang lebih banyak. Setiap kali melakukan
kegiatan memasak mulai dari perencanaan, persiapan, proses, penyajian dibutuhkan ketelitian,
keterampilan dan pengalaman. Walaupun dipasaran banyak dijual buku-buku resep masakan dan video
demo memasak, pada kenyataanya setelah membaca buku resep masakan dan melihat demo memasak,
belum dapat menjamin seseorang langsung dapat melakukan praktek memasak secara langsung dengan
hasil yang baik.
Untuk mendapatkan pengalaman praktek memasak dengan hasil yang baik di butuhkan proses
belajar memasak, dengan melakukan percobaan berulang-ulang, sampai diperoleh hasil masakan yang pas.
Disamping praktek secara langsung, untuk memudahkan belajar memasak diperlukan alat peraga sebelum
melakukan praktek yang sesungguhnya. Salah satu alat peraga praktek adalah game simulasi. Dengan
menggunakan game simulasi, seseorang dapat melakukan simulasi praktek memasak di luar kelas maupun
di dalam kelas, dan kapanpun dapat dilakukan tanpa mengeluarkan biaya dan menyediakan peralatan
untuk memasak. Diharapkan dengan game simulasi memudahkan pembelajaran memasak baik siswa
maupun gurunya ataupun orang lain yang ingin belajar secara mandiri.
Game simulasi yaitu permainan yang menggambarkan suatu obyek atau kegiatan yang menirukan
kondisi nyata yang sulit dihadirkan didalam kelas. Game simulasi telah terbukti sangat berguna sebagai
suplemen untuk mengajari orang lain dengan metode instruksional. Di dalam game ini terdapat pengaturan

http://research.pps.dinus.ac.id, email redaksi: stefanus@pps.dinus.ac.id 1

dimana peserta membuat pilihan, menerapkan opsi dan menerima kosekuensi dari keputusan yang diambil
untuk mencapai tujuan akhir. Permainan game simulasi dapat diterapkan untuk pengajaran fakta, konsep
dan prinsip-prinsip/proses simulasi intensif dalam rangka untuk menerapkan pengalaman dan pengetahuan
yang diperoleh selama sesi sebelumnya [3].

1.1. Penentuan Computing Approach

Computing approach pada penelitian ini dipilih berdasarkan studi literatur tentang algoritma Nearest
Neighbor. Algoritma Nearest Neighbor dipilih untuk mempermudah dalam mencari kasus dengan
menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bahan
dan bumbu dari sejumlah resep yang pernah di praktekan. Dalam penelitian ini mengambil sampel resep
soup.
Dalam mensimulasikan suatu kegiatan di depan kelas, untuk menggantikan suatu kegiatan memasak
yang seharusnya dilakukan di dapur, dengan peralatan dan baha-bahan yang beragam, dibutuhkan suatu
metode yang dapat menggambarkan kegiatan seperti kenyataan yang sebenarnya. Metode untuk
mensimulasikan proses memasak, terutama dalam menentukan bumbu dan bahan yang dibutuhkan sesuai
dengan resep, maka digunakan teori Case Based Reasoning.
Dalam penelitian ini akan dibuat sebuah game simulasi memasak, dengan metode Case Based
Reasoning dan Algoritma K-Nearest Neighbor, untuk mempercepat proses pembelajaran sebelum
melakukan pembelajaran praktek secara langsung. Diharapkan sebelum pengguna melakukan praktek
secara langsung, sudah mendapat gambaran, sebagi pertimbangan dalam melakukan pembelajaran
memasak secara langsung, sehingga dapat menghemat biaya dan proses pembelajaran jadi lebih
menyenangkan.

2. RUMUSAN MASALAH
Untuk menentukan resep masakan yang tepat bahan dan bumbunya, sehingga diperoleh hasil masakan
yang lezat, bergizi, aroma dan penampilan yang menggugah selera, maka dibutuhkan beberapa kali
percobaan. Bila hal ini harus dilakukan berulang-ulang dalam proses pembelajaran, maka diperlukan biaya,
bahan, alat dan waktu yang lebih banyak. Oleh sebab itu diperlukan metode pembelajaran yang lebih
praktis, murah, dan efisien melalui game simulasi.

3. TUJUAN PENELITIAN
Tujuan penelitian ini adalah untuk mendukung proses pembelajaran memasak khususnya untuk
menentukan resep masakan, dan melengkapi media pembelajaran di dalam kelas berupa sebuah game
simulasi dengan metode Case Based Reasoning berbasis K-Nearest Neighbor.

4. MANFAAT PENELITIAN
1. Manfaat praktis dari penelitian ini bagi user diharapkan dapat memudahkan menentukan resep
masakan yang sesuai bahan dan bumbunya, dengan Case Based Reasoning berbasis K-Nearest
Neighbor
2. Manfaat teoritis dari penelitian ini diharapkan dapat memberikan sumbangan untuk pengembangan
teori yang berkaitan dengan case based reasoning berbasis K-Nearest Neighbor.
3. Manfaat kebijakan dari penelitian ini dapat digunakan sebagai bahan pertimbangan bagi lembaga
pendidikan sebagai alat bantu pembelajaran di kelas melengkapi metode yang sudah ada saat ini.
4. Sebagai acuan bagi semua pembaca yang membutuhkan.

5. LANDASAN TEORI
Dalam landasan teori meliputi beberapa teori yang terkait dengan penelitian ini adalah:
5.1. Case Based Reasoning
Bidang penalaran berbasis kasus (Case Based Reasoning) pertama kali dilakukan penelitian oleh Roger
Schank dan rekan-rekannya di Yale University selama periode tahun 1977-1993. Dalam penelitian
tersebut menghasilkan hipotesa tentang penyelesaian sebuah masalah berdasarkan pengalaman
permasalahan sebelumnya.
1. Komponen dan fitur CBR
Struktur kasus berbasis penalaran biasanya disusun berdasarkan tahap-tahap terpisah, sebagai contoh,
untuk mengambil kembali dan adaptasi suatu kasus. Namun pada abstraksi level tertinggi , sistem
case based reasoning dapat dilihat sebagai black box, yang menggabungkan mekanisme penalaran
dan aspek eksternal sebagai berikut:
a. Spesifikasi masukan masalah yang dihadapi
b. Output yang mendefinisikan solusi untuk suatu masalah
c. Memori kasus masa lalu, kasus dasar, yang direferensikan oleh penalaran mekanisme kasus.
Lebih jelas sistem CBR dapat digambarkan sebagai berikut:

Gambar 1: Sistem CBR

Pada sistem CBR, mekanisme CBR disebut sebagai alternative pemecahan masalah, yang memiliki
dua bagian utama struktur internal, yaitu: case retriever dan case reasoner. Case retriever bertugas
untuk menemukan kasus yang tepat dalam kasus dasar, sementara case reasoned digunakan untuk
menemukan solusi dari masalah yang di diskripsikan . Proses penalaran ini biasanya untuk
menentukan kedua perbedaan antara kasus yang diambil dan kasus saat ini untuk memodifikasi
pemecahan masalah yang tepat. Proses penalaran ini bisa digunakan, bisa juga tidak, mungkin juga
melibatkan pengambilan kasus tambahan atau bagian dari kasus dasar. Penalaran diatas dapat
digambarkan sebagai berikut:

Gambar 2: Dua Komponen Utama Sistem CBR

2. Siklus CBR
Siklus pemecahan masalah dalam sebuah sistem CBR pada dasarnya terdiri dari empat bagian
sebagai berikut:
a. Retrieving
Mengambil kasus serupa yang masalahnya sama pada kasus sebelumnya. Dimulai dengan tahapan
mengenali masalah dan berakhir ketika kasus yang ingin dicari solusinya telah ditemukan serupa
dengan kasus yang telah ada. Tahapan yang ada pada retrieving ini antara lain:
 Identifikasi masalah
 Memulai pencocokan
 Penyeleksian masalah
b. Reusing
Menggunakan kembali solusi yang sama pada kasus sebelumnya untuk menyelesaikan kasus dimasa
sekarang. Reusing suatu kasus dalam konteks kasus baru terfokus pada dua aspek yaitu: perbedaan
antara kasus yang ada dengan kasus yang baru dan bagian mana dari retrieve case yang dapat
digunakan pada kasus yang baru. Ada dua cara yang digunakan untuk mereuse kasus yang telah ada
yaitu: reuse solusi dari kasus yang telah ada (transformatial reuse) atau reuse metode kasus yang ada
untuk membuat solusi (derivational reuse).
c. Revising
Mengadaptasi solusi untuk menyelesaikan masalah baru. Terdapat dua tugas utama dari tahapan ini
yaitu:
Evaluasi solusi, yaitu bagaimana hasil yang didapatkan setelah membandingkan solusi dengan
keadaan yang sebenarnya.
Memperbaiki kesalahan suatu kasus meliputi pengenalan kesalahan dari solusi yang dibuat dan
mengambil penjelasan tentang kesalahan tersebut.
d. Retaining
Mempertahankan solusi baru setelah di validasi. Pada tahap ini terjadi suatu proses penggabungan
dari solusi kasus yang baru dan benar ke knowledge-base yang telah ada, untuk menyelesaikan
permasalahan yang akan datang. Terdapat tiga tahapan yaitu: extract, index, dan integrate.

Gambar 3: Siklus CBR

Dalam teori CBR ternyata dapat digunakan untuk mengatasi dalam menentukan resep masakan.
Seperti teori yang dikemukakan oleh Fadi Badra, Rokia Bendaoud, Rim Bentebitel, Pierre-Antoine
Champin, Julien Cojan, Amélie Cordier, Sylvie Després, Stéphanie Jean-Daubias, Jean Lieber,
Thomas Meilender, Alain Mille, Emmanuel Nauer, Amedeo Napoli, Yannick Toussaint (2008) Untuk
 menyelesaikan suatu masalah baru dengan mengambil kasus serupa yang masalahnya sama pada
kasus sebelumnya [8].

5.2. Game Simulasi

Simulasi adalah program (software) computer yang berfungsi untuk menirukan perilaku sistem nyata
(realitas) tertentu. Tujuan simulasi antara lain untuk pelatihan (training), studi perilaku sistem (behaviour)
dan permainan (game).
Proses tahapan dalam mengembangkan simulasi game komputer adalah sebagai berikut:
1. Memahami sistem yang akan disimulasikan
2. Mengembangkan model matematika dari sistem
3. Mengembangkan model matematika untuk simulasi
4. Membuat program (software) komputer
5. Menguji, memverifikasi, dan memvalidasi keluaran simulasi
6. Mengeksekusi program simulasi untuk tujuan tertentu.

5.3. K-Nearest Neighbor

Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus
baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Misalkan
diinginkan untuk mencari solusi terhadap sebuah resep baru dengan menggunakan solusi dari resep yang
terdahulu. Untuk mencari kasus resep mana yang akan digunakan, maka dihitung kedekatan kasus resep
baru dengan kasus semua resep lama. Kasus resep lama dengan kedekatan terbesarlah yang akan diambil
solusinya untuk digunakan pada kasus resep baru.

d2
d1
Ba A
ru

Gambar 4: Ilustrsi kedekatan kasus

Seperti tampak pada gambar 4 ada dua resep lama A dan B, ketika ada resep baru, maka solusi yang akan
diambil adalah solusi dari resep terdekat dari resep baru. Seandainya d1 adalah kedekatan antara resep
baru dan resep A, sedangkan d2 adalah kadekatan antara resep baru dengan resep B. Karena d2 lebih dekat
dari d1, maka solusi dari resep B lah yang akan digunakan untuk memberikan solusi resep baru.
Adapun rumus untuk melakukan penghitungan kedekatan antara dua kasus adalah sebagai berikut [9]:
Similarity (T,S) =................................................................................................(1)
keterangan:
T : kasus baru
S : kasus yang ada dalam penyimpanan
n : jumlah atribut dalam setiap kasus
i : atribut indivudu antara 1 s.d. n
f : fungsi similarity atribut i antara kasus T dan kasus S
w : bobot yang diberikan pada atribut ke-i
Kedekatan biasanya berada pada nilai antara 0 s.d. 1. Nilai 0 artinya kedua kasus mutlak tidak mirip,
sebaiknya untuk nilai 1 kasus mirip dengan mutlak.

5.4. Kerangka Berpikir

PERMASALAHAN
Menentukan resep masakan yang sesuai bahan dan bumbunya tidak akurat

PENDEKATAN

Case Based Reasoning & K-Nearest Neighbor

PENGEMBANGAN APLIKASI
Analisa: Konstruksi: Pengujian:
UML flash White-box &
Black-box

IMPLEMENTASI
Siswa SMA Game simulasi Stratified Random
Sampling

PENGUKURAN
Precision & recall

HASIL
Case Based Reasoning berbasis K-Nearest Neighbor dapat
menentukan resep masakan yang sesuai bahan dan bumbunya
dengan lebih akurat.

6. METODE PENELITIAN
Dalam penelitian ini menggunakan metode deskriptif yaitu metode penelitian yang berusaha
menggambarkan dan menginterpretasi objek sesuai dengan apa adanya, melalui beberapa tahapan
penelitian agar diperoleh hasil yang akurat dalam menentukan resep masakan melalui game simulasi
dengan metode Case Based Reasoning. Adapun tahapan yang akan dilalui adalah sebagai berikut:
a. Penentuan parameter
Penentuan parameter penelitian ini adalah dengan menggunakan studi literature dan studi lapangan.
Studi literature dilakukan dengan cara mengumpulkan data, informasi dan bahan-bahan pustaka.
Studi lapangan dilakukan dengan cara memperoleh data secara langsung dari sumbernya terhadap
obyek penelitian, yaitu siswa SMA N 7 Semarang yang mengikuti ekstrakurikuler memasak.
b. Penerapan Case Based Reasoning pada masalah menentukan resep masakan sesuai bahan dan
bumbunya, yang implementasinya pada tahap retrieval. Tahapan yang akan dilalui untuk membangun
sistem CBR untuk menentukan resep masakan adalah representation, similarity, retrieval dan
adaptation.

7. IMPLEMENTASI GAME PENENTU RESEP MASAKAN SESUAI BAHAN DAN

BUMBUNYA
Implementasi dilakukan untuk menerapkan desain beserta pembahasannya dengan melakukan
pemrograman hasil rancangan diimplementasikan pada siswa SMAN 7 Semarang yang mengikuti
kegiatan ekstrakurikuler memasak. Dari hasil penelitian yang dilakukan pada tahap implementasi diambil
data kuesioner sebanyak 30 siswa berupa hasil penggunaan game menentukan resep masakan sesuai
bahan dan bumbunya. Kemudian data dari hasil kuesioner tersebut akan digunakan untuk melakukan
pengukuran penelitian menggunakan metode precision, recall, dan F1. Sehingga dari hasil pengukuran
tersebut dapat dilihat apakah sistem yang dibangun tersebut sudah cukup akurat.

8. PENGUKURAN GAME PENENTU RESEP MASAKAN SESUAI BAHAN DAN

BUMBUNYA
Pengukuran game ini dilakukan dengan metode penelitian survey, penetapan variabel, pengumpulan data,
penetapan responden, penyajian data dan analisa deskriptif untuk mengelola data. Hasil analisa kuesioner
ini akan didapatkan nilai presentase (kurang, cukup, baik, dan baik sekali) kriteria tertinggi dan terendah
masing-masing aspek dan juga nilai rata-rata (mean) dari masing-masing aspek.

9. KESIMPULAN
Praktek memasak memerlukan beberapa kali percobaan untuk mendapatkan hasil masakan yang sesuai
resep. Waktu yang tersedia disekolah sangat terbatas, jika seseorang yang sedang belajar memasak
mengalami kegagalan dalam praktek secara langsung maka akan menimbulkan kerugian bahan dan waktu,
untuk mengulang praktek, seorang siswa harus mengeluarkan biaya untuk pembelian bahan dan
meluangkan waktu lagi. Hal tersebut akan menimbulkan kejenuhan dan kerugian bagi siswa.
Untuk mengatasi permasalahan diatas, digunakan pendekatan berupa game yaitu Game Simulasi
memasak dengan metode Case Based Reasoning dengan menggunakan algoritma K-Nearest Neighbor.
dapat menentukan resep masakan yang sesuai bahan dan bumbunya dapat lebih akurat, sehingga
memudahkan proses pembelajaran memasak yang dapat dilakukan oleh siswa, tanpa harus mengeluarkan
biaya untuk praktek.
Dari penelitian ini, dihasilkan suatu pendekatan untuk menentukan resep masakan yang sesuai
bahan dan bumbunya, yaitu berupa game simulasi dengan metode Case Based Reasoning berbasis K-
Nearest Neighbor sehingga dapat menentukan resep masakan yang sesuai bahan dan bumbunya menjadi
lebih akurat, untuk mendukung proses pembelajaran di dalam kelas.

10. SARAN
Berdasarkan hasil penelitian yang telah dilakukan, maka penulis dapat memberikan usulan untuk
mengembangkan Game simulasi menentukan resep masakan dengan metode Case Based Reasoning ke
masa yang akan datang. Beberapa hal yang disarankan adalah:
1. Game lebih dikembangkan pada tingkat kompabilitas, layout menu maupun keinteraktifan terhadap
siswa/pengguna.
2. Lebih dikembangkan bukan hanya untuk materi bidang studi memasak, melainkan materi-materi
lainnya
3. Pengembangan game dengan menggunakan Handphone, sehingga jumlah pemain lebih banyak.
DAFTAR PUSTAKA

[1] Juan DeMiguel, L. P.A. A CBR System for Ontology-Based Recipe. ECCBR Workshop, 2008.
[2] Hayatinufus A.L. Tobing, C. H. Menu sehari-hari dan akhir pekan. Jakarta: Gramedia Pustaka Utama,
2009
[3] João Rafael Galvão, P. G. Modeling Reality With Simulation Games. Proceedings of the 2000
Winter Simulation Conference , 2007.
[4] Sankar K. Pal, S. C. Foundations Of Soft Case-Based Reasoning. A John Wiley & Sons, Inc.,
Publication, 2004.
[5] Kusrini, L. E. Algoritma Data Mining. Yogyakarta: Andi Offset, 2009.
[6] Juan De Miguel, Laura Plaza, Belen Diaz-Agudo dengan judul Colibri Cook: A Case Based
Reasoning System for Ontology – Based Recipe Retrieval and Adaptation, 2008.
[7] Katia G. Camargo, Maria Alice L. The, Rosina Weber, Alejandro Martins, Barcia M. Ricardo Phd,
dengan judul Designing Nutritional Program with Case Based Reasoning.
[8] Fadi Badra, R. B.-A.-D. Text Mining, Ontology Engineering, and Hierarchical Classification
for Textual Case-Based Cooking. ECCBR Workshops 2008 , 2008.
[9] Yu Jiangsheng, Method of k-Nearest Neighbors, Institute of Computational Linguistics
Peking University, China, 100871, 2002.
[10] S. M. Shafi&Rafiq A. Rather, Precision and Recall of Five Search Engines for Retrieval of Scholarly
Information in the Field of Biotechnology, University of Kashmir, Srinagar-India 190006.2005.
[11] M.Tim Jones, Artificial Intellegence A Systems Approach, Infinity science press LLC, Hingham,
Massachusetts New Delhi, 2008.
[12] Joaquim Melendes, J. L. (n.d.). Case based approach for generation of recipes in batch process
control. Institut d'Informatica i aplications, Universitat de Girona .
[13] Stijin Pieter A.Van houten, p. H. (2004). An Architecture For Distributed Simulation Games.
Section of Systems Engineering Delft University of Technology Delft, The Netherlands, 2004.
[14] Mantaras, R. L. Retrieval, Reuse, Revision and Retention in Case Based Reasoning. Artificial
Intelligence Research Institute, CSIC, Campus UAB, 08193 Bellaterra, Spain, 2005.
[15] Eva Armengol, S. O. Explaining similarity in CBR. Artificial Intelligence Research Institute, Campus
UAB 08193 Bellaterra Catalonia,Spain, 2005.
[16] Stijn Piter A.Van Houten, A. V. Controlling Simulation Games Throught Rule-Based Scenarios.
Section of Systems Engineering Delft University of Technology Delft The Netherlands, 2006.
[17] Jesse Davis & Mark Goadrich, The Relationship Between Precision-Recall and ROC Curves.
Department of Computer Sciences and Department of Biostatistics and Medical Informatics,
University of Wisconsin- Madison, 1210 West Dayton Street, Madison, WI, 53706 USA, 2006.
[18] Shepperd, M. (n.d.). Case-based Reasoning and Software Engineering. Empirical Software
Engineering Reseach Group, Bournemouth University Bournemouth,, BH13LT UK .
[19] Qian Zhang, R. H. Knowledge Light Case Base Cookery. Dublin Institute of Technology,
Dublin, Ireland, 2006.
[20] Alexandre Hanft, N. I. Realising a CBR based approach for Computer Cooking Contest with
e:IAS. Intelligent Information Systems Lab University of Hildesheim, Germany. 2008.
[21] Precision recall, , S. M. Shafi, Rafiq A. Rather. Precision and Recall of Five Search Engines
for Retrieval of Scholarly Information in the Field of Biotechnology, University of Kashmir,
Srinagar-India, 2005.
[22] Viknashvaran Narayanasamy, K. W. Distinguishing Games and Simulation Games from
Simulators. Murdoch University, Murdoch,WA. Australia, 2006.