Pengembangan Backend Sistem Pendukung Keputusan Cerdas untuk Pemilihan Makanan dan Minuman Restoran Spesifik Indonesia (PreciFood)

Abstract

PreciFood merupakan aplikasi berbasis website yang digunakan sebagai sistem rekomendasi pemilihan menu berbasis Genetic Algorithm (GA) berdasarkan kebutuhan gizi konsumen spesifik. Model GA telah dikembangkan pada penelitian sebelumnya namun masih dijalankan secara lokal dan belum terintegrasi dengan antarmuka pengguna maupun sistem manajemen database. Fokus utama dalam penelitian ini adalah pengembangan backend dengan menghasilkan REST-API dan database untuk mengintegrasikan antara frontend dan GA yang dikembangkan, juga menunjang kebutuhan dari aplikasi. Dua tipe backend, yaitu backend app service untuk menunjang logika bisnis/utama (inti) dari aplikasi dan backend model untuk menjalankan model sistem rekomendasi pemilihan menu berbasis GA. Metode pengembangan perangkat lunak berupa Prototyping dilakukan melalui tiga iterasi untuk membagi pengembangan enam fitur dari aplikasi, di antaranya user, autentikasi, menu, notifikasi, rekomendasi, dan pemesanan (order). Arsitektur pengembangan software multi-tier diterapkan dalam pengembangannya dengan membagi sistem ke dalam lima lapisan dengan fungsinya masing-masing, di antaranya presentation, application, model, data, dan storage. 38 API pada backend app service dan satu API pada backend model berhasil dikembangkan untuk menunjang kebutuhan dari aplikasi. Penelitian berhasil tercapai dengan keberhasilan testing pada seluruh endpoint API melalui blackbox testing sesuai dengan test case yang diberikan, dan integrasi frontend dengan model GA berhasil dilakukan.

PreciFood is a web-based application serving as a menu-selection recommendation system using a Genetic Algorithm (GA) tailored to the nutritional requirements of specific consumers. The GA model existed from prior research but ran only locally and lacked integration with a user interface or database management system. This study focuses on backend development by delivering a REST-API and database to integrate the frontend with the GA model and to support application needs. Two backend types were created, an app service for core business logic and a model service to execute the GA-based recommendation engine. The Prototyping software-development method was applied across three iterations to implement six features: user, authentication, menu, notifications, recommendations, and ordering. A multi-tier architecture was adopted, dividing the system into five layers, presentation, application, model, data, and storage, each with distinct responsibilities. 38 APIs in the app service and one API in the model service were developed. All endpoints passed black-box testing against defined test cases, and frontend–GA integration was successfully achieved.