Melalui Machine Learning (ML), peneliti mungkin tidak tahu area mana yang bisa berdampak signifikan terutama produk-produk yang dijual kepada pengguna, salah satunya membantu peneliti dalam meningkatkan hasil rekomendasi minuman starbuck. Pembelajaran mesin menekankan kepada probabilitas, dalam hal ini kemungkinan pilihan minuman yang tepat sesuai input kandungan kafein, kalori, karbohidrat, kolesterol, protein, dan gula. Perlu identifikasi prediksi pilihan minuman kepada pengguna, melalui model ML, juga bisa membantu memperlihatkan tren dan arah pengembangan selanjutnya.
Untuk alasan ini, dilakukan tinjauan sistematis yang menyelidiki seberapa nyata hasil rekomendasi dengan model ML. Dalam hal ini, model support vector machine (svm) digunakan untuk melihat potensi algorima ini dan pengaruhnya terhadap perkembangan rekomendasi minuman starbuck. Diharapkan dari peninjauan sistematis ini, para pengembang sistem rekomendasi serupa dapat memperoleh lebih banyak informasi dari penelitian ini.
Through Machine Learning (ML), researchers may not know which areas can have a significant impact, especially the products sold to users, one of which helps researchers improve the recommendations of starbuck drinks. Machine learning emphasizes probability, in this case the possibility of the right choice of drinks according to the input of caffeine, calories, carbohydrates, cholesterol, protein and sugar content. It is necessary to identify the prediction of beverage choices to users, through the ML model, it can also help show the trend and direction of further development.
For this reason, a systematic review was carried out that investigated the actual results of the recommendations with the ML model. In this case, the support vector machine (svm) model is used to see the potential of this algorithm and its effect on the development of recommendations for starbuck drinks. It is hoped that from this systematic review, developers can get more information from this research.