Optimasi Kombinasi Menu Makanan Diet Zone Menggunakan Algoritma Genetika
DOI:
https://doi.org/10.34148/teknika.v13i1.697Keywords:
Algoritma Genetika, Diet Zone, Menu Makanan, OptimasiAbstract
Diet merupakan sebuah metode untuk mengatur asupan makanan dan minuman yang masuk ke dalam tubuh guna untuk mencapai tujuan tertentu. Seiring dengan berkembangnya ilmu pengetahuan, metode untuk melakukan diet menjadi semakin bermacam-macam, salah satunya yakni Diet Zone. Diet Zone adalah sebuah metode diet yang ditemukan oleh Dr. Barry Sears dengan menerapkan rasio dari makanan yang dikonsumsi, yaitu 40% karbohidrat, 30% protein, dan 30% lemak untuk mencapai berat badan yang ideal dan sehat. Permasalahan yang sering terjadi saat menjalani diet yakni menentukan keutuhan gizi yang terkandung dalam menu makan sehari-hari. Penelitian ini bertujuan untuk mengatur kombinasi menu makan merujuk pada metode Diet Zone oleh Dr. Barry Sears. Penulis membuat sistem untuk mengoptimasi kombinasi menu makan dengan mempertimbangkan empat kandungan gizi selama tujuh hari. Adapun keempat kandungan gizi tersebut adalah karbohidrat, protein, lemak dan serat. Pada setiap kandungan gizi terdapat aturan batas maksimal atau threshold yang tidak boleh dilanggar, jika dilanggar maka akan dihitung sebagai constraint dan dapat mengurangi nilai saat akumulasi perhitungan nilai fitness. Penulis melakukan pengujian terhadap parameter Algoritma Genetika menghasilkan solusi terbaik dengan nilai fitness rata-rata sebesar 15,54 dimana ukuran populasi sebesar 70 dan generasi sejumlah 800. Salah satu contoh hasil kombinasi menu makannya yakni nasi jagung, usus ayam goreng dan chicken teriyaki.
Downloads
References
A. M. Purnomo, D. Werdiastu, T. Raissa, R. Widodo, and V. N. Wijayaningrum, “Algoritma Genetika untuk Optimasi Komposisi Makanan Bagi Penderita Hipertensi,” J. Teknol. dan Sist. Komput., vol. 7, no. 1, pp. 1—6, 2019, doi: 10.14710/jtsiskom.7.1.2019.1-6.
W. F. Mustafa, E. C. Djamal, and R. Yuniarti, “Optimalisasi Menu Makan Diet Sehat Menggunakan Algoritma Genetika,” in Seminar Nasional Informatika dan Aplikasinya (SNIA), 2017, no. September, pp. 50—54.
B. Sears, “The Zone Diet and Athletic Performance,” Sport. Med., vol. 29, no. 4, p. 289, 2000, doi: 10.2165/00007256-200029040-00006.
S. N. Cheuvront, “The Zone Diet Phenomenon: A Closer Look at the Science behind the Claims,” J. Am. Coll. Nutr., vol. 22, no. 1, pp. 9—17, Feb. 2003, doi: 10.1080/07315724.2003.10719271.
M. A. Megatama, W. F. Mahmudy, and E. Santoso, “Food Menu Recommendations Based on Recommended Dietary Allowances using Genetic Algorithm,” Bull. Culin. Art Hosp., vol. 1, no. 2, pp. 70—77, 2021, doi: 10.17977/um069v1i22021p70-77.
A. M. Rizki, W. F. Mahmudy, and G. E. Yuliastuti, “Implementation of Evolution Strategies (ES) Algorithm to Optimization Lovebird Feed Composition,” Sci. J. Informatics, vol. 4, no. 1, pp. 51—56, 2017.
G. E. Yuliastuti, C. N. Prabiantissa, S. Agustini, and D. H. Sulaksono, “Optimasi Rute Jaringan Mikrotik dengan Algoritme Genetika,” in Prosiding Seminar Nasional Sains dan Teknologi Terapan VIII, 2020, no. October, pp. 209—216.
A. M. Yattaqillah, I. Cholissodin, and B. D. Setiawan, “Optimasi Komposisi Makanan untuk Keluarga Penderita Diabetes Melitus Menggunakan Algoritme Genetika,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 2, pp. 1574—1582, 2019.
B. Sears and S. Bell, “Review The Zone Diet: An Anti-Inflammatory, Low Glycemic-Load Diet,” Metab. Syndr. Relat. Disord., vol. 2, no. 1, pp. 24—38, 2004.
R. Kurniawati, “Penjadwalan Perkuliahan dengan Metode Algoritma Genetika,” J. FATEKSA J. Teknol. dan Rekayasa, vol. 6, no. 1, 2021.
I. Hidayat, S. Revo, L. Inkiriwang, and P. A. K. Pratasis, “Optimasi Penjadwalan Menggunakan Metode Algoritma Genetika Pada Proyek Rehabilitasi Puskesmas Minanga,” J. Sipil Statik, vol. 7, no. 12, pp. 1669—1680, 2019.
A. Assagaf, A. Ibrahim, and C. Suranto, “Membangun Sistem Informasi Penjadwalan Dengan Metode Algoritma Genetika Pada Laboratorium Teknik Informatika Universitas Muhammadiyah Maluku Utara,” J. Ilm. Ilk. - Ilmu Komput. Inform., vol. 1, no. 2, pp. 95—105, 2018, doi: 10.47324/ilkominfo.v1i2.13.
S. Lukas, T. Anwar, and W. Yuliani, “Penerapan Algoritma Genetika Untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover Dan Insertion Mutation,” Semin. Nas. Apl. dan Teknol. Inf. (SNATI 2005), vol. 2005, no. Snati, pp. 1—5, 2005.
G. E. Yuliastuti, W. F. Mahmudy, and A. M. Rizki, “Penanganan Fuzzy Time Window pada Travelling Salesman Problem (TSP) dengan Penerapan Algoritma Genetika,” MATICS J. Ilmu Komput. dan Teknol. Inf., vol. 9, no. 1, pp. 38—43, 2017.
G. E. Yuliastuti, W. F. Mahmudy, and A. M. Rizki, “Implementation of Genetic Algorithm to Solving Travelling Salesman Problem with Time Window (TSP-TW) for Scheduling Tourist Destinations in Malang City,” J. Inf. Technol. Comput. Sci., vol. 2, no. 1, pp. 1—10, 2017.
H. Santoso and R. Sanuri, “Implementasi Algoritma Genetika dan Google Maps API Dalam Penyelesaian Traveling Salesman Problem with Time Window (TSP-TW) Pada Penjadwalan Rute Perjalanan Divisi Pemasaran STMIK El Rahma,” Teknika, vol. 8, no. 2, pp. 110—118, 2019, doi: 10.34148/teknika.v8i2.187.
A. M. Rizki, W. F. Mahmudy, and G. E. Yuliastuti, “Optimasi Multi Travelling Salesman Problem (M-TSP) Untuk Distribusi Produk Pada Home Industri Tekstil Dengan Algoritma Genetika,” Klik - Kumpul. J. Ilmu Komput., vol. 4, no. 2, p. 125, 2017, doi: 10.20527/klik.v4i2.86.
G. E. Yuliastuti, A. M. Rizki, W. F. Mahmudy, and I. P. Tama, “Optimization of Multi-Product Aggregate Production Planning using Hybrid Simulated Annealing and Adaptive Genetic Algorithm,” Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 11, pp. 484—489, 2019, doi: 10.14569/IJACSA.2019.0101167.
I. F. Rozi, A. T. Firdausi, and T. R. Rahmadhany, “Penentuan Bahan Makanan Untuk Itik Petelur Menggunakan Algoritma Genetika,” J. Inform. Polinema, vol. 7, no. 2, pp. 91—96, 2021, doi: 10.33795/jip.v7i2.514.
C. N. Jonathan et al., “Implementasi Metode Algoritma Genetika Pada Penentuan Menu Makanan Untuk Membentuk Berat Badan Ideal,” J. Teknol. Inf. dan Terap., vol. 6, no. 1, pp. 35—40, 2019, doi: 10.25047/jtit.v6i1.93.
