Optimasi Gizi Pada Bahan Makanan Balita

Fakultas Ilmu Komputer

2817

Optimasi Gizi Pada Bahan Makanan Balita Menggunakan Algoritme

Genetika

Vivilia Putri Agustin1_{, Imam Cholissodin}2_{, Bayu Rahayudi}3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{vivilia.agustin@gmail.com,} 2_{imamcs@ub.ac.id,} 3_{ubay1@ub.ac.id}

Abstrak

Balita atau anak usia dibawah lima tahun memiliki fase yang penting dalam tumbuh kembang anak. Berdasarkan data Riset Kesehatan Dasar tahun 2013, perkembangan balita di Jawa Timur masih mengalami permasalahan gizi. Penyebab yang pertama, kurangnya pengetahuan orang tua terhadap kebutuhan gizi balita. Penyebab yang kedua, kurangnya memperhatikan harga bahan makanan yang sesuai dengan bahan makanan yangh memiliki gizi seimbang. Salah satu upaya yang dilakukan yaitu Dinkes kota Malang melibatkan kader posyandu melakukan penyuluhan terkait pemberian makanan penunjang untuk memperbaiki gizi balita. Namun upaya tersebut masih mengalami kendala berupa jumlah porsi makanan yang diberikan kepada setiap balita belum disesuaikan berdasarkan berat badan dan umur, selain itu kurangnya variasi bahan makanan. Sehingga, diperlukan suatu sistem untuk mengoptimasi hal tersebut. Algoritme genetika merupakan agoritme yang sering digunakan untuk mengatasi permasalahan optimasi. Hasil sistem berupa daftar bahan makanan beserta berat dan harga yang disesuaikan dengan berat dan umur balita. Berdasarkan hasil pengujian didapatkan parameter yang optimal yaitu jumlah populasi sebesar 100, jumlah generasi yang optimal sebesar 70 dan kombinasi nilai cr dan nilai mr yang optimal yaitu 0,5 dan 0,5 menghasilkan nilai fitness 50,821.

Kata kunci: balita, optimasi, algoritme genetika.

Abstract

In the Golden Age (children under five years old) have an important phase in child growth. Based on Basic Health Research in 2013, the development of children in East Java is still experiencing nutritional problems. The first because, lack of knowledge of parents to the nutritional needs of children. The second because, the lack of attention to the price of food in accordance with food ingredients that have balanced nutrition.One efforts of Dinkes Malang was involving Posyandu to do counseling related to improve child nutrition. However, these efforts were still experiencing obstacles in the form of the number of portions of food given to each children has not been adjusted based on weight and age, in addition the children lack variety of foodstuffs. Thus, the reseracher search a system to optimize it. Genetic algorithm was a Algorithm that was often used to overcome the problem of optimization. The results of the system in the form of lists of food and weight and price adjusted to the weight and age of children.Based on the test results obtained optimal parameters that the optimal population amount of 100, the optimal generation amount of 70 and the optimal combination of cr value and mr value was 0.5 and 0.5 resulted in a fitness value of 50.821.

Keywords: children, optimization,genetic algorithm

1. PENDAHULUAN

Masa balita merupakan masa penting selama proses tumbuh kembang manusia. Perkembangan dan pertumbuhan di masa itu menjadi penentu keberhasilan pertumbuhan dan perkembangan anak di periode selanjutnya. prevalensi balita menurut status gizi bb/u menyatakan balita yang memiliki gizi buruk

pelayanan kesehatan di masyarakat contohnya, Dinkes kota Malang melibatkan kader posyandu melakukan penyuluhan terkait pemberian makanan penunjang untuk memperbaiki gizi balita (beritajatim.com, 2016).

Namun upaya tersebut masih mengalami kendala berupa jumlah porsi makanan yang diberikan kepada setiap balita belum disesuaikan berdasarkan berat badan dan umur. Kendala yang kedua yaitu daftar bahan makanan yang disarankan kurang bervariasi sehingga masih bisa dioptimalkan berdasarkan kandungan gizi dan biaya yang optimal. Kendala yang ketiga terkait pemilihan bahan makanan yang kurang tepat dari segi harga. Kendala lainnya yaitu para orang tua sulit untuk menghafal menu-menu yang dianjurkan saat penyuluhan. Berdasarkan kendala tersebut, maka diperlukan suatu sistem untuk optimasi asupan gizi balita menggunakan algoritme genetika yang dapat diakses oleh posyandu untuk memberikan daftar bahan makanan yang seimbang disertai berat dan harga setiap bahan makanan.

Algoritme genetika merupakan algoritme pencarian heuristik yang menggunakan mekanisme evolusi biologis (Kusumadewi, 2013). Beberapa penelitian sebelumnya (Kusumaningsih, Cholissodin, & Setiawan, 2016) menghasilkan menu makanan pada keluarga dalam kurun waktu 7 hari berdasarkan harga yang minimum. Penelitian selanjutnya dengan objek berbeda dan metode yang sama yaitu oleh (Sari, Mahmudy, & Dewi, 2014). Hasil penelitian ini sama dengan penelitian sebelumnya yaitu berupa bahan makanan yang bergizi seimbang dengan kebutuhan ibu hamil sehat dengan harga minimal. Berdasarkan penelitian-penelitian yang dipaparkan, maka dapat disimpulkan bahwa algoritme genetika sering digunakan dalam masalah optimasi dan mempunyai kemampuan untuk menghasilkan solusi yang baik untuk masalah-masalah yang rumit (Mahmudy, 2015). Dengan demikian hasil sistem diharapkan dapat memberikan solusi optimal untuk mengkombinasikan bahan makanan yang seimbang sesuai kebutuhan balita.

2. DASAR TEORI

2.1. Gizi Seimbang

Gizi seimbang merupakan susunan makanan sehari-hari yang terdiri dari berbagai ragam bahan makanan yang berkualitas dalam jumlah dan porsi yang sesuai sehingga dapat

memenuhi kebutuhan gizi guna pemeliharaan dan perbaikan sel tubuh dan proses kehidupan serta pertumbuhan dan perkembangan secara optimal (Nugraini, Hendrorini, & Miharti, 2013). Pola makan merupakan salah satu faktor penting untuk kesehatan dan keadaan gizi Balita, dikarenakan kuantitas dan kualitas makanan dan minuman yang dikonsumsi dapat mempengaruhi tingkat kesehatan balita.

2.2. Perhitungan Kebutuhan Gizi Balita

Setiap anak balita memiliki kebutuhan gizi untuk menunjang pertumbuhan. Gizi yang seimbang merupakan kebutuhan utama untuk masa pertumbuhan balita. Terdapat beberapa cara untuk menentukan kebutuhan gizi pada balita (Rumah Sakit Citro Mangunkusumo dan Persatuan Gizi (PERSAGI), 2003):

1. Menentukan Desirable Body Weight (DBW) atau berat badan ideal. Penentuan berat badan ideal digunakan untuk anak balita (1 sampai 5 tahun).

��� = � × + 8 (1)

Keterangan:

BBI = Berat Badan Ideal

2. Menentukan Estimasi kebutuhan Energi dan Zat gizi total perhari.Terdapat 4 kandungan gizi dalam setiap bahan makanan yaitu kalori, protein, lemak dan karbohidrat. Berikut ini perhitungan kebutuhan gizi pada balita:

a)

Kebutuhan Kalori

Untuk menghitung kebutuhan kalori yang dibutuhkan balita,

= ∗ �_ (2)

Keterangan :

KE_umur = Kebutuhan Energi sesuai umur, sebagai berikut:

1. KE_umur untuk umur 1 s/d 3,5tahun = 100 kalori/kg BBI

2. KE_umur untuk umur > 3,5 s/d 5 tahun = 90 kalori/kg BBI

b)

Kebutuhan Protein

Kebutuhan protein dapat diketahui menggunakan perhitungan,

. � = % � �� (3)

c)

Kebutuhan Lemak

Menghitung kebutuhan lemak pada balita menggunakan perhitungan,

d)

Kebutuhan Karbohidrat

Kebutuhan karbohidrat digunakan untuk menghitung kebutuhan karbohidrat untuk balita menggunakan,

. ℎ =7 % � �� (5)

2.2. Anjuran Porsi Makan

Data anjuran porsi yang digunakan untuk menentukan porsi makan setiap individu sesuai dengan sumber bahan makanan. 1 porsi makan sama dengan berat makanan yang ada pada data makanan. Tabel 1 merupakan daftar anjuran porsi makanan berdasarkan kelompok umur.

Tabel 1. Anjuran Porsi Makan

Tipe Umur KH PH PN L B S

1 1 – 3,5 3P 1P 1P 3P 3P 1,5P

2 >3,5 – 5 4P 2P 2P 4P 3P 2P

Sumber: PGS, Kementrian Kesehatan RI (2014)

Keterangan:

KH : Karbohidrat PH : Protein Hewani PN : Protein Nabati L : Lemak B : Buah S : Sayuran P : Porsi

Anjuran porsi tersebut digunakan untuk sekali waktu makan pagi, siang, dan malam.

3. PERANCANGAN ALGORITME

GENETIKA

Algoritme genetika merupakan cabang ilmu dari algoritme evolusi, yang mengadopsi teori evolusi terkait siklus mahluk hidup. Algoritme genetika banyak digunakan dalam masalah optimasi dan mempunyai kemampuan untuk menghasilkan solusi yang baik untuk masalah-masalah yang rumit (Mahmudy, 2015).

Tahapan-tahapan proses algoritme genetika yang pertama yaitu inisialisasi populasi awal yang digunakan untuk menciptakan individu-individu secara acak yang memiliki susunan gen (kromosom) tertentu, dibentuk berdasarkan jumlah populasi (popsize) dan panjang kromosom. Nilai setiap gen dibangkitkan secara acak sesuai dengan batas permutasi yang telah ditentukan.Langkah selanjutnya yaitu crossover yang dilakukan dengan cara menukar silang

antara dua buah parent yang dipilih secara random untuk menghasilkan offspring. Jumlah offspring (child) tergantung pada nilai dari hasil perkalian cr (crossover rate) dengan jumlah populasi (popsize). Setelah itu proses mutasi dengan cara memilih satu parent secara random. Kemudian proses evaluasi dan dilanjutkan seleksi. Berikut ini tahapan Algoritme genetika dapat dilihat pada Gambar 1 diagram alir proses Algoritme genetika.

Gambar 1. Diagram Alir Algoritme Genetika

Tahapan-tahapan penyelesaian optimasi pada bahan makanan balita menggunakan algoritme genetika berdasarkan Gambar 1 sebagai berikut: 1. Input berupa parameter-parameter yang diperlukan untuk optimasi gizi balita. Parameter tersebut antara lain nama balita, berat badan (BB), umur balita, jumlah

mulai

Nama, BB, Umur, popsize, cr, mr,

generasi, hari

Inisialisasi Populasi Awal

for i=0 to generasi -1

Crossover

Mutasi

Konversi indeks bahan

Evaluasi

Seleksi

i

Individu terbaik

populasi (Popsize), crossover rate (cr), mutation rate (mr), dan jumlah generasi. 2. Proses inisialisasi populasi awal sesuai

jumlah populasi (popsize) yang sudah ditentukan. Pada penelitian ini menggunakan 169 daftar bahan makanan yang terdiri dari 6 kelompok sumber kandungan yaitu karbohidrat, protein hewani, protein nabati,lemak, sayuran dan buah. Panjang kromosom dalam satu hari yatu 18 kromosom yang merepresentasikan 6 sumber jenis bahan makanan untuk 3 kali makan. Nilai gen diacak dengan rentang angka 1 – 65. Contoh inisialisasi populasi awal pada Tabel 2.

Tabel 2. Representasi Kromosom

Parent Kromosom

KH PH PN L B S

3. Proses reproduksi yang pertama yaitu crossover, metode crossover yang digunakan yaitu extended intermediate crossover dengan persamaan berikut ini:

C1 = P1 + a (P2 – P1) (6) exchange mutation. Proses mutasi dilakukan dengan mengambil salah satu parent secara acak dan mengambil 2 titik gen secara acak

Gambar 2. Proses Mutasi

5. Konversi gen ke indeks bahan makanan untuk menentukan jenis bahan makanan pada

setiap indeks gen menggunakan persamaan berikut ini: y :batas bawah angka random

6. Proses evaluasi dengan menghitung nilai fitness untuk mengetahui nilai kebugaran pada masing-masing individu. Penelitian ini menggunakan rumus fitness (Sulistiowati, Cholissodin, & Marji, 2016).

F = _{� �� �����}� + × + bernilai 10000. Nilai konstanta tersebut digunakan untuk menyeimbangkan hasil dari total harga, total variasi dan nilai penalti. 7. Proses seleksi menggunakan elitisim

selection dengan menampung semua nilai fitness, kemudian diurutkan dari yang terbesar ke yang terkecil kemudian diambil beberapa individu yang memiliki nilai fitness terbaik (terbesar) sebanyak jumlah populasi (popsize).

8. Proses berulang sampai memenuhi jumlah generasi.

9. Hasil akhir berupa individu terbaik dari nilai fitness terbesar.

4. PENGUJIAN DAN ANALISIS

4.1. Pengujian dan Analisis Jumlah Populasi

Pengujian jumlah populasi bertujuan untuk mengetahui jumlah populasi yang optimal untuk menghasilkan nilai fitness yang terbaik. Percobaan ini dilakukan sebanyak 10 kali percobaan dalam setiap populasi, kemudian dihitung nilai rata-rata fitness masing-masing populasi. Berikut ini parameter yang digunakan untuk pengujian jumlah populasi:

 Jumlah hari : 7

 cr dan mr : 0,5 dan 0,5  Generasi : 30

Hasil pengujian jumlah populasi dapat dilihat pada Tabel 3 dan Gambar 3.

Tabel 3. Hasil Pengujian Jumlah Populasi

Pop Percobaan Ke-

Gambar 3. Grafik Pengujian Jumlah Populasi

Berdasarkan Tabel 3 dan Gambar 3 mengenai pengujian jumlah populasi, didapatkan rata-rata nilai fitness terendah pada populasi 10 yaitu 53,002. Sedangkan rata-rata nilai fitness terbesar berada pada jumah populasi 100 dengan nilai fitness 53,836. Sehingga didapatkan jumlah populasi yang optimal yaitu 100.

4.2. Pengujian dan Analisis Kombinasi nilai cr dan mr

Pengujian kombinasi nilai cr dan mr digunakan untuk mengetahui kombinasi nilai cr dan mr yang optimal untuk menghasilkan nilai fitness terbaik. Berikut ini parameter yang digunakan untuk pengujian kombinasi nilai cr dan mr: pengujian kombinasi nilai cr dan mr.

Tabel 4. Hasil Pengujian Kombinasi cr dan mr

cr mr Percobaan Ke-

Gambar 4. Grafik Pengujian Kombinasi cr dan mr

Berdasarkan Gambar 4 dapat disimpulkan bahwa kombinasi nilai cr 0,5 dan mr 0,5 merupakan kombinasi yang optimal dengan memiliki nilai fitness tertinggi yaitu 53,818.

4.3. Pengujian dan Analisis Jumlah Generasi

Pengujian jumlah generasi digunakan untuk mengetahui banyaknya generasi yang optimal untuk menghasilkan nilai fitness terbaik. Percobaan jumlah generasi dilakukan sebanyak 10 kali dengan kelipatan 10. Berikut ini parameter yang digunakan untuk pengujian jumlah generasi:

Hasil Pengujian Jumlah Populasi

48,0

Tabel 5 dan Gambar 5 menunjukkan hasil pengujian jumlah generasi.

Tabel 5. Hasil Pengujian Jumlah Generasi

Gambar 5. Grafik Pengujian Jumlah Generasi

Berdasarkan Gambar 5 dapat dijelaskan bahwa semakin banyak jumlah generasi maka nilai fitness cenderung mengalami kenaikan. Hal ini disebabkan karena iterasi digunakan untuk memperbaiki nilai fitness, sehingga ruang pencarian solusi semakin memiliki peluang yang lebih baik. Hasil nilai fitness terendah pada generasi 10 yaitu 49,969. sedangkan nilai fitness tertinggi pada generasi 100 yaitu 50,975. Pada pengujian jumlah generasi diatas 70 hasil nilai fitness mengalami peningkatan nilai fitness yang tidak terlalu signifikan. Sehingga dapat dikatakan bahwa generasi diatas 70 sudah mulai konvergen. Untuk menentukan jumlah generasi yang optimal, perlu disesuaikan dengan permasalahan yang ada. Pada penelitian ini, jumlah generasi yang optimal yaitu jumlah generasi ke-70 memiliki nilai fitness yang tidak terlalu rendah dan waktu komputasi tidak terlalu lama.

4.4. Analisis Global Hasil Pengujian

Parameter algoritme genetika yang

digunakan sesuai hasil pengujian parameter yang optimal sebagai berikut:

 Jumlah Populasi : 100  Crossover Rate (cr) : 0,5  Mutation Rate (mr) : 0,5  Jumlah Generasi : 70

Berdasarkan parameter hasil pengujian optimal, maka didapatkan hasil selisih kebutuhan gizi balita dengan kandungan gizi hasil rekomendasi sistem. Tabel 6 menunjukkan hasil selisih kebutuhan balita.

Tabel 6. Selisih Kandungan Gizi

Hasil perhitungan selisih kandungan gizi pada Tabel 6. Selisih kandungan energi yang direkomendasikan sistem yaitu 79%, kandungan protein sebesar 97%, kandungan lemak sebesar 73%, kandungan karbohidrat sebesar 76%. Hasil selisih kebutuhan biaya pengeluaran yang direkomendasikan sistem, orangtua balita dapat mengemat biaya konsumsi sebesar 35% dari rata-rata biaya konsumsi sebelumnya yaitu Rp. 35000.

5. KESIMPULAN

Berdasarkan hasil penerapan algoritme genetika pada optimasi gizi pada bahan makanan balita, dapat disimpulkan sebagai berikut: 1. Implementasi algoritme genetika pada

penelitian ini menggunakan representasi kromosom permutasi, metode crossover yang digunakan yaitu extended intermediate crossover, metode mutasi yang digunakan yaitu exchange mutation, dan metode seleksi yang digunakan yaitu elitism selection. 2. Parameter-parameter algoritme genetika

solusi yang terbaik. Hasil pengujian parameter pada penelitian ini ataralain jumlah populasi sebesar 100, nilai cr sebesar 0,5 dan nilai mr sebesar 0,5. Hasil pengujian jumlah generasi yang optimal berdasarkan kebutuhan permasalahan penelitian sebesar 70 generasi dikarenakan memiliki nilai fitness tertinggi.

3. Hasil penerapan algoritme genetika pada penelitian ini berupa rekomendasi susunan bahan makanan selama 7 hari disertai berat dan harga bahan makanan. Kualitas hasil susunan bahan makanan menghasilkan bahan makanan yang bervariasi selama sehari dengan biaya konsumsi yang rendah.

4. Saran untuk penelitian selanjutnya yaitu diharapkan dapat dikembangkan sistem untuk balita yang memiliki kebutuhan khusus seperti alergi makanan, dan juga dapat dikembangkan sistem optimasi gizi dengan menggabungkan 2 metode atau lebih untuk menghasilkan solusi yang lebih baik disertai metode crossover, mutasi dan seleksi yang berbeda dari penelitian ini.

6. DAFTAR PUSTAKA

Beritajatim.com. 2016.

<http://m.beritajatim.com/pendidikan_k esehatan/264635/21_balita_di_kota_ma lang_alami_gizi_buruk.html> [Diakses tanggal 13 November 2016].

Dokterindonesiaonline.com. 2012.

<http://dokterindonesiaonline.com/2012 /11/17/cara-menghitung-kebutuhan- kalori-karbohidrat-protein-pada-anak-balita> [Diakses tanggal 19 Desember 2016].

Kementerian Kesehatan Republik Indonesia. 2014. Pedoman Gizi Seimbang. Jakarta : Kementerian Kesehatan RI.

Kementerian Kesehatan Republik Indonesia. 2015. Profil Kesehatan Indonesia Tahun 2014. Jakarta : Kementerian Kesehatan RI.

Kusumadewi, Sri., 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Graha Ilmu.

Kusumaningsih, F.D., Cholissodin, I. & Setiawan, B.D. 2016. Penerapan Algoritma genetika pada optimasi susunan bahan makanan untuk pemenuhan kebutuhan gizi keluarga. Skripsi. FILKOM. Universitas Brawijaya. Malang.

Mahmudy,W.F., 2015. Algoritma Evolusi. FILKOM. Universitas Brawijaya. Malang.

Nugraini, S., Hendrorini, A., & Miharti, T., 2013. Ilmu Gizi 2. Kementerian Pendidikan dan Kebudayaan.

Riset Kesehatan Dasar. 2013. Prevalensi Status Gizi Balita Berdasarkan Berat Badan Menurut Umur (Bb/U). Jakarta : Kementerian Kesehatan RI.

RSCM dan PERSAGI, 2003. Penuntun DIIT Anak. Jakarta : PT Gramedia Pustaka Utama.