OPTIMASI VARIASI MENU MAKANAN SESUAI GIZI PADA ANAK MENGGUNAKAN ALGORITMA GENETIKA

Repositori Jurnal Mahasiswa PTIIK UB
© 2017 by Doro Jurnal
Volume 9 - Number 17
Year of Publication: 2017
Elyana Putri Budianti, Rekyan Regasari Mardi Putri dan Marji
Download Article

 


Abstract

Memenuhi asupan gizi sesusai dengan kebutuhan tubuh secara seimbang merupakan kebutuhan setiap manusia. Asupan gizi yang seimbang mempunyai pengertian bahwa asupan gizi yang masuk kedalam tubuh seseorang tidak berlebih dan tidak kekurangan. Maka dari itu dibutuhkan pengukuran pada setiap manusia agar asupan gizi yang masuk kedalam tubuh sesuai dengan gizi yang dibutuhkan oleh tubuh. Kondisi anak-anak dalam masa pertumbuhan adalah  usia emas  dan juga aktif dalam beraktivitas. Pada kondisi anak yang sedang aktif maka diperlukan pemenuhan gizi yang cukup untuk melakukan setiap aktivitas. Selain pemenuhin gizi pada anak, variasi dalam penyajian makanan juga merupakan salah satu strategi agar anak tidak bosan dengan menu makanan yang sama. Tiap menu makan yang disajikan akan memiliki kandungan gizi seperti energi, karbohidrat, lemak dan juga protein. Tiap menu makanan akan mempunyai harga yang berbeda. Penggunaan algoritma genetika dipilih karena algoritma genetika merupakan salah satu algoritma yang mempunyai sifat heuristic. Algoritma genetika juga dapat menyelesaikan multi objective problem, yang dapat digunakan untuk mencari solusi yang terbaik terhadap pemenuhan gizi pada anak dengan harga minimal. Solusi dicari melaalui pengkombinasian kromosom dan diproses melalui operator genetika. Operator genetika adalah proses seleksi, crossover dan mutasi. Operator geteika membutuhkan parameter genetika yaitu populasi, probabilitas crossover dan mutasi , serta generasi. 300 data uji dengan menggunakan single point crossover, mutasi reciprocal  exchange  dan seleksi elitism. Dalam pengujian didapati hasil terbaik dengan nilai fitness tertinggi yang sesuai dan mendekati kebutuhan gizi pada anak yaitu pada ukuran populasi 1000, jumlah generasi 3500, nilai probabilitas crossover 0,1 dan probabilitas mutasi 0,9. Nilai fitness terbaik terdapat pada 0,226.

 

Keywords

Optimasi, gizi, anak, algoritma genetika