ANALISIS UNSUR BUDAYA PADA HIDANGAN MENGGUNAKAN INGREDIENT NETWORK

Jati Yunita Dwi Kornia Putri, Ridi Ferdiana, Indriana Hidayah

Abstract


Tujuan dari penelitian ini adalah untuk mengetahui karakteristik hidangan di seluruh penjuru dunia yang dapat digunakan pada pengembangan algoritma perekomendasian makanan atau resep berbasis lintas budaya. Hipotesis awal penelitian ini adalah bahwa bahan masakan (ingredient) dan komposisinya mempunyai pengaruh besar pada penciptaan unsur budaya suatu hidangan. Secara umum perbedaan budaya didefinisikan oleh perbedaan letak geografis. Ingredient menjadi kunci hidangan karena manusia menyiapkan hidangan dari generasi ke generasi berdasarkan ingredient yang secara lokal geografis ditemuinya. Pada penelitian ini digunakan metode network analysis untuk menggali informasi karakteristik dan pola hidangan dari jaringan ingredient hidangan di dunia. Jaringan ingredient dibangun dari set data resep yang digali dari website sharing resep. Tipe jaringan yang digunakan adalah Bipartite graph yaitu graf dari dua node berbeda tipe yang dihubungkan oleh edge. Node resep dihubungkan ke node ingredient yang terjalin bersama. Berdasar jaringan yang dihasilkan dapat disimpulkan bahwa setiap hidangan memiliki karakteristik dan pola yang unik dan dapat memperlihatkan ingredient yang memegang peranan penting pada suatu hidangan di budaya tertentu.  


Full Text:

PDF

References


Kular, D.K., Menezes, R., Ribeiro, E. 2011. ”Using network analysis to understand the relation between hidangan and culture”. In IEEE Network Science Workshop (NSW), 2011.

Story, M.,Holt, K. 2000. ”Bright Futures in Nutrion. Arlington”, VA: National Center for Education in Maternal and Child Health.

Swetnam, S. 2000. ”We are What We Eat”. Idaho State University.

Al-Nazer, A., Helmy, T. 2012. ”Toward a Cross-Cultural and Cross-Language Multi-Agent Recommendation Model for Food and Nutrition”. In IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology

Gould, D. 2011. Mining Allrecipes.com’s Ingredient Networks for Recipe Recommendations. http://www.foodtechconnect.com , diakses tangggal 30 Oktober 2013

Forbes, P., Zhu, M. 2011. Content-boosted matrix factorization for recommender systems: experiments with recipe recommendation.

Friedman,J.,Berkovsky,S. Intelligent Food Planing:personalized recipe recommendation. In IUI ACM 2010, 367-378

Mehra, A., Borgatti, S. P., Soltis, S., Floyd, T., Ofem, B., Halgin, D. S., and Kidwell, V. (forthcoming). Imaginary worlds: using visual network scales to capture perceptions of social networks. In Borgatti, S.P., Brass, D.J., Halgin, D.S., Labianca, G., and Mehra, A. (Eds.) Research in the Sociology of Organizations. Volume 40. Emerald Publishing: Bradford, UK

Liu, Y.,Liang, I.M., Zhou, Y., He, Y., Hao, Y., , Song, M., ,Yu, Y.C., Liu, H. 2008. Disrupted small-world networks in schizophrenia. http://brain.oxfordjournals.org.

Teng, C.Y., Lin, Y.R., Adamic, L.A. 2011. Recipe Recommendation using ingredient networks. [

Ahn, Y.Y., Ahnert, S.E., Bagrow, J.P., Barabasi, A.L. 2011. Flavor network and the principle of food pairing. Scientific Reports 1, 196 (2011)

Nakleh,L. Bioinformatics: Network Analysis Graph-theoretic Properties of Networks. Lecture slide Rice University

Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, and Etienne Lefebvre, “Fast unfolding of communities in large networks,” Journal of Statistical Mechanics: Theory and Experiment, no. 10, pp. P10008, 2008.

http://gephi.org/ diakses tanggal 30 Oktober 2013

Blondel, V,. Guillaumm, J., Lambiotte, R., Mech, E. 2008. Fast unfolding of communities in large networks.


Refbacks

  • There are currently no refbacks.