Data menu makanan Indonesia

Data menu punya jalur sendiri: tab Menu (ikon mangkuk) di bawah layar, terpisah dari Draft dan Products yang khusus produk kemasan. Tujuannya membangun ontologi hidangan Indonesia dan data latih untuk pengenalan pesanan suara.

flowchart LR
  S["Sumber<br/>chain / merchant / warung"] --> I["Item menu<br/>nama, harga, seksi"]
  I -->|"ditautkan"| D["Hidangan kanonik<br/>nama, sebutan, salah ucap"]
  M["Grup modifier<br/>pedas, gula, es, ukuran"] --> D
  M --> I
  I -.->|"merek tertentu"| P["Products<br/>(produk kemasan)"]
  D --> O["API ontologi<br/>/v1/menu-ontology"]

Empat jenis entri

Jenis	Isi	Untuk apa
Hidangan (kanonik)	Nama Indonesia dan Inggris, keluarga hidangan, asal daerah, bahan utama, sebutan lain/slang, salah eja, varian fonetik (hasil dengar mesin), rawan tertukar, hidangan induk, grup modifier lazim, penanda diet, tingkat pedas, keyakinan, tanggal verifikasi	Pengetahuan “apa itu nasi goreng”: satu entri untuk satu hidangan, apa pun nama di tiap restoran
Modifier	Nama grup, jenis (pedas, gula, es, ukuran, susu, topping, nasi, protein, suhu, porsi), min/maks dipilih, dan opsi dengan sebutannya (mis. “Tidak pedas”: “gak pedes”, “no spicy”)	Ketepatan voice ordering turun di modifier, bukan di nama hidangan
Sumber	Restoran/chain/warung tempat menu diamati: jenis, izin pemakaian data, kota, situs, alamat menu	Provenance dan kepatuhan
Item menu	Satu baris menu di sumber: nama di menu, seksi, harga, varian (Regular/Large), modifier, diet, sebutan, tautan ke hidangan kanonik, tautan ke produk kemasan, alamat sumber, tanggal diambil	Bukti pengamatan dan bahan clustering

Alur kerja yang disarankan

1. Sumber: tambah restoran/chain dan pilih izin pemakaian data:
   • Menu publik di situs resmi: boleh dipelajari polanya; simpan alamat dan tanggal.
   • Izin merchant atau kerja sama: data dari design partner.
   • Referensi saja: hanya untuk memahami struktur (mis. menu aplikasi pesan-antar), tidak untuk redistribusi.
2. Modifier: buat dulu grup yang sering muncul (tingkat pedas, gula, es, ukuran) beserta sebutan tiap opsi.
3. Hidangan: cari dulu (pencarian mencakup nama, sebutan, dan salah eja) agar tidak ada duplikat. Bila belum ada, buat hidangan kanonik dan isi sebutannya.
4. Item menu: masukkan baris menu dari sumber, lalu tautkan ke hidangan. Item yang memakai merek tertentu (mis. “Es Teh Botol”) ditautkan juga ke produk di Products.
5. Kirim ke review; reviewer menerbitkan.

Baca menu dari foto

Cara tercepat memasukkan item menu: foto menunya, biarkan AI membaca, lalu verifikasi.

1. Di tab Menu, ketuk 📷 Dari foto menu (bagian Sumber atau Item menu), atau buka sumbernya lalu ketuk Baca menu dari foto. Pilih sumber (restoran/chain/warung); bila belum ada, buat dulu.
2. Langkah 1, foto menu: ketuk Foto atau Galeri. Foto tiap halaman menu, tegak dan terang. Boleh banyak foto (maks 6 dibaca sekaligus, maks 4 MB per foto untuk dibaca).
3. Langkah 2, baca dengan AI: ketuk Baca menu sekarang (20–60 detik, sekitar $0,001–0,01 per pembacaan). Qwen-VL mengembalikan daftar item: nama, seksi, harga, dan varian (mis. Regular/Large, Hot/Ice).
4. Langkah 3, verifikasi: untuk tiap item, centang yang dipakai, perbaiki nama/seksi/harga, dan tautkan ke hidangan kanonik (disarankan otomatis bila namanya cocok dengan hidangan atau sebutannya; bila mirip beberapa hidangan, ditampilkan daftar “Mirip”). Item bertanda ragu tidak dicentang secara bawaan.
5. Centang pernyataan “Saya sudah memeriksa…”, lalu Simpan item sebagai draft. Item tersimpan sebagai draft (satu kali simpan atomik; bila ada yang tidak valid, tidak ada yang tersimpan). Item yang namanya sudah ada di sumber yang sama dilewati. Kirim ke review dari tab Menu › Item menu.

Catatan pembacaan:

• Harga dinormalkan: 25.000, Rp 18.500, 25K, 18rb menjadi rupiah penuh. Harga tanpa pemisah seperti 25 dianggap 25.000 dan diberi peringatan; periksa. Bila satu item punya beberapa harga (mis. Hot 4.000 / Ice 5.000), harga masuk ke varian.
• AI mengabaikan judul, alamat, telepon, jam buka, akun media sosial, dan promo umum. Tulisan tangan, foto buram, atau menu berlipat membuat hasil kurang akurat; periksa dengan teliti.
• Foto menu disimpan untuk sumber itu sebagai bukti. Gunakan hanya menu yang boleh dipakai sesuai izin pemakaian data sumber (lihat di atas); menu aplikasi pesan-antar hanya untuk referensi struktur.
• Batas 20 pembacaan menu per pengguna per jam.

Aturan dan pemeriksaan

• Nama harus unik per jenis (huruf besar/kecil dianggap sama). Pencarian di atas daftar berguna sebelum membuat entri.
• Peringatan konflik sebutan: bila sebutan hidangan Anda sama dengan sebutan hidangan lain, sistem menampilkan peringatan. Bisa jadi homofon yang perlu dicatat di rawan tertukar, atau duplikat yang sebaiknya digabung.
• Sebutan minimal 3 per hidangan disarankan; filter Sebutan < 3 menampilkan antreannya. Filter lain: Tanpa modifier, Belum diverifikasi, Belum tertaut hidangan, Tanpa harga.
• Hidangan induk untuk varian: mis. Nasi Goreng Aceh → induknya Nasi Goreng.
• Entri terbit tidak bisa dihapus; entri yang masih dirujuk entri lain (hidangan, modifier, sumber) juga tidak bisa dihapus.
• Harga di item menu adalah pengamatan di sumber, bukan harga master.
• Status: draft → submitted → published/rejected/changes_requested. Sumber langsung terbit tanpa review.

Untuk pengguna API

Entri terbit dapat dibaca perangkat POS dan sistem lain lewat jalur baca-saja GET /v1/menu-ontology/dishes, GET /v1/menu-ontology/modifier-groups, dan POST /v1/menu-ontology/match (mencocokkan teks atau ucapan ke hidangan kanonik lewat nama, sebutan, salah ucap, dan fonetik). Lihat Endpoint dataset.