OPTIMASI PENGATURAN MENU DAN TAKARAN ENERGI UNTUK ...

Prosiding SENTIA 2016 – Politeknik Negeri Malang Volume 8 – ISSN: 2085-2347

A-7

OPTIMASI PENGATURAN MENU DAN TAKARAN ENERGI UNTUK

PENDERITA JANTUNG MENGGUNAKAN ALGORITMA KOLONI

LEBAH BUATAN Oktriza Melfazen

Jurusan Teknik Elektro, Fakultas Teknik Universitas Islam Malang

[email protected]

ABSTRAK

Takaran makan yang tepat, merupakan salahsatu faktor penting yang sangat berpengaruh untuk menjaga

kestabilan kerja jantung. Hal terpenting dalam perencanaan makan penderita jantung adalah mengatur proporsi

energi dan nutrisi makro sesuai kondisi fisik. Energi basal adalah salah satu faktor penentu proporsi energi dan

nutrisi makro yang perlu diasup oleh penderita jantung. Untuk merealisasikan takaran menu dan energi optimal

yang perlu diasup, dilakukan penelitian dengan menerapkan algoritma koloni lebah buatan. Desain dan realisasi

sistem menggunakan program Borland Delphi 7, dijalankan pada sistem operasi Windows. Data uji didapatkan

dari konsultan gizi. Penilaian unjuk kerja sistem dalam menghasilkan nilai optimal takaran menu dan energi

dilakukan dengan uji verifikasi bersama ahli gizi. Dalam pengujian, masukan berupa data fisik dan menu makanan

yang diinginkan, algoritma koloni lebah buatan dapat bekerja untuk menghasilkan takaran menu dan energi serta

nutrisi makro optimal. Proses optimasi takaran menu, takaran energi dan nutrisi makro terbaik didapatkan pada

pengaturan parameter populasi 50, iterasi 40, siklus 1000, Scout Production Period 100, laju perubahan 0,6.

Penggunaan algoritma ini untuk mendapatkan takaran menu dan energi optimal dengan error maksimal adalah

sebesar 0,94..

Kata Kunci— Optimasi Koloni Lebah Buatan, Takaran Energi, Penyakit Jantung, Energi Basal

1. Pendahuluan

Algoritma koloni lebah buatan merupakan salah

satu algoritma optimasi untuk menemukan nilai x

sedemikian hingga menghasilkan f(x) yang bernilai

sekecil atau sebesar mungkin untuk suatu fungsi f

yang diberikan, yang mungkin disertai dengan

beberapa batasan pada x. Optimasi koloni lebah

buatan adalah algoritma optimasi global, memerlukan

cukup tiga parameter kontrol (ukuran populasi,

jumlah siklus maksimum dan limit) yang ditentukan

pengguna [1].

Pada penelitian ini optimasi dengan algoritma

koloni lebah buatan diterapkan untuk memberi solusi

perhitungan energi dan nutrisi makro serta ukuran

penyajian makanan harian penderita penyakit jantung.

Hasilnya berupa takaran menu, takaran energi

optimal harian dengan detail komposisi nutrisi makro

yang dibutuhkan serta variasi makanan yang ingin

dikonsumsi sesuai jumlah energi yang sudah

ditentukan mengacu pada variabel masukan yang

diberikan. Pengaturan makan yang tepat pada

penyakit jantung adalah salah satu cara penanganan

untuk membantu pengendalian kestabilan kerja

jantung, dengan mengatur proporsi nutrisi makro dan

energi sesuai kondisi penderitanya. Pemenuhan

kebutuhan energi dan nutrisi makro disesuaikan

dengan jenis kelamin, usia, data antropometri dan

kondisi khusus lainnya.

2. Dasar Teori

2.1 Kebutuhan Nutrisi Bagi Penderita Jantung Untuk penghitungan kebutuhan energi basal

untuk penderita jantung diperlukan data-data berupa

tinggi badan (BB), berat badan (BB), usia, jenis

kelamin [2]. Berat badan dapat dihitung dengan

rumus berikut :

BB estimasi = (TB estimasi - 100) x 90%

Setelah data berupa tinggi badan dan berat badan

ideal diketahui maka kebutuhan energi basal pada

seseorang dapat diketahui dengan menggunakan

persamaan berikut ini [2]:

Kebutuhan energi basal (wanita)

= 655 + (9,56 x BB) + (1,85x TB) – (4,68xU)

Kebutuhan energi basal (pria)

= 66,5+(13,75 x BB) +(5 x TB) – (6,78 x U)

Dengan BB = berat badan

TB = tiggi badan

U = usia pasien

Energi basal (EB) yang telah diketahui digunakan

untuk menentukan total energi. Total energi (E)

dipengaruhi oleh 3 faktor yaitu faktor aktivitas, faktor

stress dan energi basal. Sesuai yang tertera pada

persamaan berikut [2]:

Total E = EB *faktor stress * faktor aktivitas

Dengan faktor stress adalah 1.6 hingga 1.8 dan faktor

aktifitas 1 (untuk sakit jantung).

Setelah mengetahui jumlah total energi,

persentase dari kebutuhan nutrisi makro (karbohidrat,

lemak, dan protein) dapat disesuaikan dengan kondisi

pasien. Bila persentase zat-zat tersebut telah diketahui

maka proses penentuan bahan makanan yang sesuai

untuk dikonsumsi pasien dapat lebih mudah, dengan

mengkonversi presentase energi kedalam gram untuk

masing-masing nutrisi makro.

Dalam proses konversi nantinya hasil presentase

dalam satuan energi akan dikalikan faktor konversi

yang akan mengubah satuan zat gizi ke dalam gram.


A-8

Dasar perhitungan konversi adalah sebagai berikut

[3],[4]:

1 gram karbohidrat = 4 kalori,

1 gram lemak = 9 kalori

1 gram protein = 4 kalori

Dengan metode di atas dapat dicari jenis maupun

menu makanan saji yang sesuai dengan kondisi

pasien penderita jantung.

2.2 Algoritma Koloni Lebah Buatan

Algoritma koloni lebah buatan adalah algoritma

berbasis koloni yang didasarkan pada model perilaku

koloni lebah madu mencari makanan. Algoritma ini

mengerahkan koloni lebah madu tiruan untuk

mencari sumber makanan tiruan yang kaya (solusi-

solusi terbaik untuk permasalahan yang ada) dan

meninggalkan sumber makanan (solusi) yang tidak

baik [5].

Suatu koloni terdiri dari tiga kelompok lebah:

employed bees, onlookers dan scout. Setengah bagian

koloni adalah employed bees dan setengahnya lagi

adalah onlookers. Pada setiap sumber makanan hanya

terdapat satu employed bees. Permasalahan optimasi

awalnya diubah menjadi permasalahan untuk mencari

vektor paramater terbaik yang meminimasikan fungsi

tujuan. Kemudian lebah-lebah tiruan akan

menemukan sebuah populasi dari vektor solusi awal

secara acak, selanjutnya memperbaikinya secara

iterasi dengan menerapkan strategi bergerak ke arah

solusi yang lebih baik dengan memanfaatkan

mekanisme pencarian pesekitaran (neighbour search

mechanism) dan mengabaikan solusi-solusi yang

kurang baik.

Gambar 1. Gerakan Lebah Mencari Sumber

Makanan (Karaboga, 2011 : 3)

Penelitian terdahulu untuk penerapan algoritma

koloni lebah buatan pada beberapa permasalahan [5]-

[7], menyebutkan kelebihannya antara lain : (1)

Sangat efisien dalam mencari solusi optimal, (2)

Dapat dijalankan dengan parameter kontrol

seminimal mungkin, (3) Remarkable robustness, (4)

Hasil proses optimasi lebih cepat dibanding algoritma

lain dengan tingkat keberhasilan tinggi dan akurat, (5)

Kandidat solusi dihasilkan dengan operasi sederhana.

Langkah-langkah utama proses optimisasi algoritma

koloni lebah buatan diuraikan sebagai berikut [6]:

1. Inisialisasi posisi sumber makanan.

2. Tentukan sumber makanan lama yang harus

ditinggalkan dan alokasikan lebah pekerja sebagai

scout untuk mencari sumber makanan baru

berdasarkan pencarian acak memakai rumus (1).

𝑥𝑖𝑗

= 𝑥𝑚𝑖𝑛𝑗

+ 𝑟𝑎𝑛𝑑[0,1](𝑥𝑚𝑎𝑥𝑗

− 𝑥𝑚𝑖𝑛𝑗

) (1)

Diasumsikan sumber makanan yang ditinggalkan

adalah xi dan j {1,2,….,D}.

3. Gerakkan lebah pekerja menuju sumber-sumber

makanan dan tentukan jumlah nektarnya. Untuk

tiap lebah pekerja, sebuah sumber makanan baru

dihasilkan melalui rumus (2).

𝑉𝑖𝑗 = 𝑥𝑖𝑗 + 𝜑𝑖𝑗(𝑥𝑖𝑗 − 𝑥𝑘𝑗) (2)

Dengan

Vij = kandidat posisi sumber makanan baru

xij = area sumber makanan

k{1,2,..,SN},indeks yang dipilih secara acak

j{1,2,…,D}, indeks yang dipilih secara acak

𝜑𝑖𝑗= nilai acak antara [-1,1]

4. Gerakkan lebah onlooker menuju sumber-sumber

makanan dan tentukan jumlah nektarnya. Onlooker

bee memilih sebuah sumber makanan

menggunakan perhitungan probabilitas (1) dan

mendapatkan sebuah sumber makanan baru dalam

area sumber makanan yang telah dipilih melalui

rumus (3).

𝑃𝑖 = 𝑓𝑖𝑡𝑖

∑ 𝑓𝑖𝑡𝑖𝑆𝑁𝑖=1

(3)

Dengan

Pi =sumber makanan baru terpilih

fiti=nilai fitness dari solusi I dengan jumlah nectar

yang proporsional pada sumber makanan

SN=jumlah sumber makanan (sama dengan

jumlah employed bees ataupun onlooker

bees).

5. Catat sumber makanan terbaik yang telah

ditemukan.

6. Ulangi langkah 2 sampai langkah 5 hingga kriteria

yang diinginkan terpenuhi.

3. Analisis Permasalahan

Permasalahan yang diharapkan dapat

diselesaikan dalam penelitian ini adalah : Bagaimana

menerapkan Algoritma Optimasi Koloni Lebah

Buatan dalam menentukan ukuran penyajian

makanan harian (energi dan nutrisi makro) yang

optimal untuk penderita jantung berdasarkan

perhitungan kebutuhan energi harian dengan

masukan tinggi badan, berat badan, usia, jenis

kelamin dan faktor aktifitas harian.

4. Perancangan Sistem

4.1 Perancangan Aliran Data Sistem

Gambar 5. Diagram Aliran Data

Penderita

Jantung

1

Kebutuhan

Energi

Pasien

3

Optimasi Energi

dengan ABCO

Masukkan

data pasien

2

Menu yang

diinginkan

Database

Menu

Masukkan menu yang

ingin dikonsumsi

Total asupan energi per hari

Komposisi menu sesuai energi yang dibutuhkan

Parameter masukan untuk

optimasi kebutuhan energi

pasien diolah dengan ABCO

Tambah/edit/hapus

menu makanan

4

Tambah/

edit/hapus

menu


A-9

Perlu dianalisis sebelum membuat perancangan

sistem, yaitu ruang lingkup sistem, tujuan sistem, dan

siapa saja yang terlibat dalam sistem tersebut.

Gambar 5 adalah gambaran sistem mengenai proses

yang perlu dilakukan secara rinci.

4.2 Perancangan Sistem dengan Algoritma

Koloni Lebah Buatan

Penelitian ini melibatkan ahli gizi dalam

melakukan observasi, mendapatkan data, review

pustaka dan pengujian sistem.

Parameter-parameter yang diperlukan pada proses

optimasi takaran energi direpresentasikan menjadi

parameter-parameter algoritma koloni lebah buatan.

Representasi tersebut dapat dilihat dalam Tabel 1.

Tabel 1. Representasi Algoritma Koloni Lebah

Buatan untuk Optimasi Energi dan Nutrisi Makro Algoritma Koloni

Lebah Buatan

Optimasi takaran energi untuk mendapatkan

energi harian penderita jantung

Posisi sumber makanan

Jumlah tiap menu makanan yang diasup dalam satu kali makan

Dimensi

Jumlah energi dan nutrisi makro yang

dibutuhkan sesuai kriteria masukan penderita jantung

Fitness Kandidat nilai kadar energi terpilih

4.3 Implementasi Algoritma Koloni Lebah Buatan

untuk Proses Optimasi

Pencarian nilai optimal takaran asupan energi

harian dilakukan pada setiap tahapan makan.

Langkah-langkah penyelesaian masalah tersebut

adalah:

4.3.1 Proses Kerja Sistem Proses bekerjanya sistem ini secara keseluruhan

dijelaskan dalam langkah-langkah berikut ini :

1. Pengguna meng-entry: data fisik (tinggi badan,

umur, jenis kelamin) dan menu makanan yang

ingin dimakan dalam 1 hari

2. Program melakukan tahap sebagai berikut:

a. Melakukan perhitungan berat badan ideal

b. Koreksi Body Mass Ratio (BMR) berdasar

faktor aktifitas

Total energi harian = BMR + (f.akt x BMR)

c. Perhitungan kebutuhan karbohidrat

d. Perhitungan kebutuhan nutrisi makro

e. Jalankan program koloni lebah buatan untuk

melakukan optimasi jumlah makanan yang

dikonsumsi mengikuti parameter di atas (a s/d

d).

4.3.2 Proses Optimasi Algoritma ABC

Proses penerapan Algoritma Koloni Lebah

Buatan dalam mengoptimasi energi dan nutrisi makro

adalah sebagai berikut :

Prosedur 1 : Pengaturan Parameter

Pengaturan parameter-parameter yang

diperlukan untuk berlangsungnya proses ini :

a. Parameter ABC. Parameter yang ditentukan

untuk melakukan optimasi. Terdiri atas

parameter optimasi dan parameter acuan ABC.

Parameter masalah yang akan dioptimasi (d).

Disediakan maksimal 6 jenis menu makanan

yang dapat diasup dalam 1 (satu) kali makan.

Parameter acuan berupa jumlah Populasi, Siklus

maksimum, jumlah Iterasi, Laju Perubahan,

Scout Production Period (SPP).

b. Pengaturan batas atas dan batas bawah (range)

dari parameter yang dioptimasi.

Prosedur 2 : Iterasi

Dalam satu putaran iterasi terdiri atas proses

berikut:

1. Inisialisasi. Membuat matriks x(i,j) secara acak

dengan matriks d (parameter optimasi) dan Np

(jumlah sumber makanan).

2. Best, melakukan perhitungan solusi terbaik

pertama dari matriks [d,Np] terhadap fungsi

utama terbaik, fitness terbaik, dan gangguan

terbaik. kemudian mencatatnya.

3. Melakukan pengulangan program di bawah ini

sejumlah siklus yang ditentukan untuk

medapatkan hasil terbaik dari seluruh siklus.

Lebah pekerja, menghasilkan modifikasi posisi

sumber makanan baru di lingkungan tetangga,

mengevaluasi jumlah nektar (fitness value dan

quality) dari sumber makanan baru tersebut dan

memilih satu solusi terbaik dari yang dihasilkan

semua lebah pekerja.

Onlooker bee, Setelah semua lebah bekerja

menyelesaikan proses pencarian, mereka

berbagi informasi nektar dari sumber makanan

dan informasi posisi mereka dengan onlooker

bee pada daerah tari dengan menghitung nilai

probabilitas.

𝑃𝑖 = 𝑓𝑖𝑡𝑖

∑ 𝑓𝑖𝑡𝑖𝑆𝑁𝑖=1

(5-2)

Best, melakukan perhitungan solusi terbaik dari

sumber makanan baru dari matriks [d,Np]

kemudian mencatatnya untuk fungsi utama

terbaik, fitness terbaik, dan gangguan terbaik.

Scout, setelah semua onlooker didistribusikan

maka sumber makanan yang tidak layak

disingkirkan dan diganti dengan sumber

makanan baru yang dihasilkan secara acak oleh

scout sesuai dengan periode produksinya.

Mencatat nilai terbaik yang dihasilkan oleh

sumber makanan dalam siklus yang dilakukan.

4. Menentukan nilai terbaik dari tiap-tiap siklus

yang telah dilakukan dan menjadikannya sebagai

nilai terbaik pada iterasi tersebut.

Proses langkah 1 s/d 4 diulangi sejumlah iterasi

yang ditetapkan, kemudian dicari nilai terbaik dari

semua iterasi. Nilai yang didapat adalah solusi terbaik

dalam proses optimasi menggunakan algoritma ini

dalam menentukan takaran energi.

4.3.3 Realisasi Antarmuka Pengguna

Antarmuka sistem dengan pengguna dibuat

dengan program visual Borland Delphi 7 dan telah

diusahakan agar semudah mungkin untuk

diaplikasikan oleh pengguna. Tampilan menu terdiri

atas tiga bagian yaitu : (1) menu utama; (2) sub menu

bahan makanan; (3) sub menu “menu makanan”.

5. Pengujian dan Analisis Sistem

Pengujian dan analisis dilakukan untuk

mengetahui kinerja algoritma koloni lebah buatan


A-10

pada sistem dalam menghasilkan nilai optimal

takaran energi. Pengujian menggunakan data uji

berupa data fisik penderita jantung yang menjadi

klien konsultan gizi.

Uji coba sistem bertujuan untuk mengetahui

apakah semua bagian menu dapat ditampilkan dan

beroperasi dengan baik. Dan mengetahui apakah

sistem yang dibuat dapat memenuhi kebutuhan

pengguna. Tampilan performansi sistem dalam

Gambar 6.

Gambar 6. Performansi Sistem

Sistem bisa dikatakan beroperasi dengan baik jika

dapat menampilkan kriteria sebagai berikut :

Menu Utama, pengguna entry data fisik, klik

tombol “hitung” sistem menampilkan kebutuhan

total energi dan nutrisi makro. Saat klik tombol

“ABC”, sistem menampilkan takaran menu

makanan yang dipilih serta takaran energi dan

nutrisi makro yang sesuai.

Sub Menu “Bahan Makanan”, menampilkan daftar

bahan makanan beserta kadar energi dan nutrisi

makro terkandung per 100 gram.

Sub Menu “Menu makanan”, menampilkan daftar

menu makanan yang tersedia serta bahan makanan

dan jumlah yang diperlukan untuk membuatnya

dengan hasil kadar energi dan nutrisi makro yang

diperlukan.

Untuk melihat kinerja algoritma koloni lebah

buatan pada sistem dalam menghasilkan nilai optimal

kadar asupan energi harian penderita jantung,

dilakukan pengujian dengan perubahan terhadap (1)

populasi, (2) iterasi, (3) siklus, (4) scout production

period [SPP], (5) laju perubahan [LP]. Data uji

(objek) yang digunakan :

Tabel 2. Data Fisik Penderita Jantung TB (cm) BB (kg) Usia (th) Sex F.Aktifitas

169 62 68 L Ringan

Menu makanan yang ingin diasup oleh penderita

jantung di-entry kedalam sistem, dalam Tabel 3.

Tabel 3. Data Daftar Menu Untuk Pengujian Makan Pagi Makan Siang Makan Malam

a. Nasi Putih a. Nasi putih a. Nasi putih

b. Sayur bayam bening

b. Rawon b. Sop daging

c. Tempe goreng c. Telur asin

rebus c. Tahu goreng

d. Apel d. Tahu goreng d. Terong

goreng e. Belimbing e. Duku

Proses hitung total energi dan kadar nutrisi makro

yang dibutuhkan berdasarkan data tersebut

menghasilkan data dalam Tabel 4.

Tabel 4. Kebutuhan Energi dan Nutrisi Makro Rincian Kebutuhan Nutrisi Per Hari Per Makan

Energi (kal) + 10% 1702.60 567.53

Karbohidrat (45% s/d 65%) min 191.70 63.90

Karbohidrat (45% s/d 65%) max 276.90 92.30

Protein (20%) 85.20 28.40

Lemak (25%) 47.00 15.67

5.1 Koloni Lebah dengan Perubahan Populasi

Diberikan data untuk parameter acuan algoritma

koloni lebah buatan dengan nilai Iterasi 3, Siklus

1000, SPP 400, LP 0.9 dan Populasi (5,10,30,50).

Hasil untuk pengujian parameter diatas terlihat pada

gambar 7.

Gambar 7. Grafik ABCO terhadap Perubahan

Populasi

Semakin tinggi nilai populasi, tingkat capaian

terhadap optimasi semakin baik. Jumlah populasi

yang besar juga menyebabkan proses untuk

menghasilkan nilai-nilai optimal butuh waktu cukup

lama sekitar 50 detik. Sedangkan nilai populasi kecil

hanya butuh waktu proses 2 detik hingga 5 detik.

5.2 Koloni Lebah dengan Perubahan Iterasi

Data parameter acuan algoritma koloni lebah

buatan dengan Iterasi (3, 10, 20, 40) dan Populasi 50,

Siklus 1000, SPP 400, LP 0.9. Hasil untuk pengujian

dengan parameter diatas terlihat pada Gambar 8.

Semakin banyak iterasi memberikan nilai

optimasi semakin baik. Nilai akhir didapat dari nilai

optimasi terbaik dari iterasi yang dilakukan. Kisaran

energi mendekati hasil perhitungan dengan iterasi 20

dan 40. Semakin besar iterasi, proses untuk

menghasilkan nilai optimasi jadi lambat, mencapai 20

detik hingga 25 detik.


Iterasi

E HA P L E HA P L E HA P L

MAKAN_1 MAKAN_2 MAKAN_3

MAX 624 92,235,542,6 624 92,235,542,6 624 92,235,542,6

MIN 511 63,821,328,4 511 63,821,328,4 511 63,821,328,4

POP 5 515 83,4 21 11,7 744 88,927,130,1 654 93,618,730,6

POP 10 523 83,921,512,1 648 89,621,222,3 661 93,818,730,5

POP 30 541 86,422,112,6 732 88,625,9 30 678 93,819,131,1

POP 50 543 87,222,112,4 688 89,223,625,5 698 93,419,231,2

0100200300400500600700800

ABCO vs PERUBAHAN POPULASI


Makan Pagi Makan Siang Makan malam

MAX 624 92 35 43 624 92 35 43 624 92 35 43

MIN 511 64 21 28 511 64 21 28 511 64 21 28

I 3 542 87, 22, 12, 687 89, 23, 25, 697 93, 19, 31,

I 10 559 91 22 12 666 90 23 23 653 93 19 32

I 20 550 91, 20, 11, 646 89, 21, 21, 680 93, 18, 30,

I 40 518 88 19 9,9 642 90 21 21 685 93 19 31

0100200300400500600700800

ABCO vs PERUBAHAN ITERASI


A-11

5.3 Koloni Lebah dengan Perubahan Siklus

Data uji parameter acuan algoritma koloni lebah

buatan dengan Siklus (1000, 500, 250, 100) dan

Populasi 50, Iterasi 20, SPP 100, LP 0.9. Hasil

pengujian terlihat pada Gambar 9.

Semakin banyak nilai siklus nilai optimasi

semakin baik, karena nilai optimasi ditiap iterasi

didapat dari nilai terbaik dari tiap siklus. Besarnya

nilai siklus berpengaruh pada kecepatan proses

optimasi. Jumlah sikus sedikit (100) diselesaikan

dalam waktu + 4 detik.


Siklus

5.4 Koloni Lebah dengan Perubahan Scout

Production Period (SPP)

Diberikan data untuk parameter acuan algoritma

koloni lebah buatan dengan Populasi 50, Iterasi 20,

Siklus 1000, SPP (400, 200, 100, 50), LP 0.9. Hasil

pengujian terlihat pada Gambar 10.

Gambar 10 Grafik ABCO terhadap Perubahan SPP

Dengan nilai SPP kecil, scout semakin sering

diproduksi, sehingga semakin sering terjadi pencarian

terhadap sumber makanan baru, data menjadi lebih

labil, akibatnya nilai optimasi jadi buruk. Jika SPP

terlalu besar, periode perubahan mencari sumber

makanan baru terlalu lama karena produksi scout

lambat sehingga proses pencarian sumber makanan

baru tidak optimal.

5.5 Koloni Lebah dengan Perubahan Laju

Perubahan (LP)

Data parameter acuan algoritma koloni lebah

buatan Populasi 50, Iterasi 20, Siklus 500, SPP 100

dan LP (0.9, 0.6, 0.3). Hasil pengujian dengan

parameter tersebut terlihat pada Gambar 11.

Gambar 11. Grafik ABCO terhadap Laju Perubahan

Laju perubahan berfungsi untuk membatasi

besarnya perubahan nilai acak pada algoritma ini

yang nilainya berkisar dari 0 hingga 1. Semakin besar

laju perubahan maka semakin baik nilai optimasi

yang didapat.

Semakin besar populasi, siklus dan iterasi, waktu

optimasi semakin lama. Besarnya populasi membuat

matriks optimasi semakin besar sedangkan semakin

besar siklus dan iterasi maka pengulangan untuk

mendapatkan nilai terbaik semakin banyak. Error

proses optimasi pada takaran energi dan nutrisi makro

terjadi saat kombinasi pemilihan menu dalam satu

kali makan tidak tepat. Contoh, pada uji makan siang

didapat nilai karbohidrat paling tepat tetapi

kebutuhan protein dan lemak kurang dari ketentuan,

sedang pada uji makan malam didapat nilai protein

dan lemak yang sesuai toleransi tetapi terjadi error

pada karbohidrat dengan error rata-rata 3% (dalam

batas toleransi).

Dari percobaan pada data uji, didapat nilai takaran

energi dan nutrisi makro optimal (dalam area

perhitungan). Ketahanan sistem untuk mendapatkan

nilai optimal adalah baik. Proses optimasi takaran

energi terbaik pada pengaturan parameter algoritma

koloni lebah dengan populasi 50, iterasi 40, siklus

1000, SPP 100, LP 0,6.

Verifikasi Sistem

Verifikasi sistem bertujuan untuk mengetahui

apakah penerjemahan algoritma koloni lebah buatan

untuk menemukan nilai optimal takaran energi dan

nutrisi makro yang dibutuhkan penderita jantung

telah sesuai standar yang diberlakukan oleh ahli gizi,

dengan membandingkan hasil dari sistem dengan

hasil perhitungan ahli gizi. Contoh kasus, penderita

jantung Tuan X, usia 65 tahun, TB 175 cm, BB 80 kg.

Kegiatan harian aktifitas ringan, berkebun dan jalan

sehat setiap pagi. Tuan X menyukai makanan apa saja

dan mengkonsumsi susu satu kali dalam sehari.

Dengan data tersebut, perhitungan kebutuhan

individu Tuan X berupa Berat Badan Ideal (BBI) 67,5

kg. Dengan BBI sebesar 67,5 kg, Tuan X

membutuhkan takaran energi dan nutrisi makro

seperti terlihat dalam Tabel 5.



MAX 624 92,235,542,6 624 92,235,542,6 624 92,235,542,6

MIN 511 63,821,328,4 511 63,821,328,4 511 63,821,328,4

S 1000 521 87,619,8 24 669 90 23,123,3 677 92,819,429,8

S 500 512 84,120,611,1 638 89,820,821,2 662 93,118,530,1

S 250 482 83,118,48,96 620 89,819,519,9 647 92,918,630,5

S 100 504 83,8 20 10,5 632 89,720,220,8 666 93 19,131,2

0100200300400500600700800

ABCO vs PERUBAHAN SIKLUS



MAX 624 92 35 43 624 92 35 43 624 92 35 43

MIN 511 64 21 28 511 64 21 28 511 64 21 28

SPP400 551 91 21 11 646 90 21 22 680 93 19 31

SPP200 562 93 21 12 632 90 21 21 676 93 19 31

SPP100 521 88 20 24 669 90 23 23 677 93 19 30

SPP50 518 84 21 12 649 90 22 22 673 93 19 31

0100200300400500600700800

ABCO vs PERUBAHAN SPP



MAX 624 92 35 43 624 92 35 43 624 92 35 43

MIN 511 64 21 28 511 64 21 28 511 64 21 28

LP 0.9 512 84 21 11 638 90 21 21 662 93 19 30

LP 0.6 510 86 20 10 632 90 21 20 670 93 19 31

LP 0.3 508 83 21 11 645 90 21 21 663 94 19 31

0100200300400500600700800

ABCO vs LAJU PERUBAHAN


A-12

Tabel 5.Kebutuhan Nutrisi Penderita Jantung 1 Rincian Kebutuhan Nutrisi Per Hari Per Makan

Energi (kal) + 10% 2286.20 762.09 Karbohidrat (45% s/d 65%) min 257.20 85.73 Karbohidrat (45% s/d 65%) max 371.50 123.80 Protein (20%) 114.00 38.10 Lemak (25%) 63.10 21.00

Tuan X membutuhkan total energi 2286,20 sehari.

Dalam perencanaan menu makannya harus

menemukan komposisi menu yang dapat

memberikan takaran energi sebesar kebutuhan secara

tepat dan dibagi dalam tiga kali makan. Ketepatan

pemberian takaran energi ini yang sangat berperan

untuk membantu mendapatkan kondisi normal atau

stabil penderita jantung. Setelah memenuhi takaran

energi secara tepat, akan didapat juga pembagian

nutrisi makro dengan toleransi 10%, sehingga nutrisi

yang dikonsumsi sesuai kebutuhan. Dengan data

perhitungan total energi diatas, contoh perencanaan

makan yang dapat diasup oleh Tuan X dengan

ketentuan harus memenuhi kebutuhan takaran energi

dan nutrisi makro terlihat dalam Tabel 6.

Tabel 6. Perbandingan Rencana Menu Pakar dan

Sistem

Perencanaan Menu Makan Pakar Sistem Jmlh (gr) Jmlh (gr)

Total Makan Pagi 387.0 380.0 - Nasi beras putih 50.0 50.0 - Soto ayam 155.0 150.0 - Rolade tahu 50.0 55.0 - Pisang ambon 100.0 100.0 Total Energi 810.2 kal 807.0 kal Total Karbohidrat 76.5 101.3 Total Protein 29.9 31.4 Total Lemak 16.8 17.7 Total Makan Siang 465.0 470.0 - Steak daging 104.0 110.0 - Kentang goreng 115.0 110.0 - Wortel rebus 70.0 75.0 - Buncis rebus 76.0 75.0 - Pisang ambon 100.0 100.0 Total Energi 720.0 kal 722.5 kal Total Karbohidrat 75.6 63.43 Total Protein 27.1 19.68 Total Lemak 42.0 45.45 Total Makan Malam 500.0 510.8 - Nasi beras putih 200.0 150.1 - Asam pedas ikan 110.0 110.8 - Tahu goreng 50.0 50.0 - Susu 160.0 150.9 Total Energi 570.0 kal 566.1 kal Total Karbohidrat 75.6 75.1 Total Protein 25.8 26.9 Total Lemak 20.71 19.42

Grafik perbandingan persentase error kebutuhan

energi yang dihasilkan pakar dan nilai optimal yang

dihasilkan sistem terlihat dalam Gambar 12.

Gambar 12.Grafik Perbandingan % Error

Perhitungan Pakar dan Sistem Kasus Tuan X

Tampilan hasil optimasi takaran kalori dengan

sistem untuk kasus 1 ini terlihat dalam Gambar 13.

Gambar 13.Tampilan Optimasi Energi Kasus Tuan

X dengan ABCO

6. Kesimpulan

Kesimpulan yang didapatkan dari serangkaian

percobaan yang telah dilakukan dalam penelitian ini

bahwa : Algoritma koloni lebah buatan dapat bekerja

dengan baik untuk mengoptimasi perhitungan nilai

takaran energi dan nutrisi makro secara efektif

dengan proses singkat (+ 4 detik) untuk mencari nilai

optimal dengan error maksimal dalam mendapatkan

takaran energi optimal adalah sebesar 0,94. Proses

optimasi takaran energi terbaik untuk kasus yang

digunakan berada pada pengaturan parameter

algoritma koloni lebah dengan populasi 50, iterasi 40,

siklus 1000, Scout Production Period 100 dan Laju

Perubahan 0,6.

Daftar Pustaka

[1] Karaboga. Dervis. (2011, December 15), An Idea

Based On Honey Bee Swarm for Numerical

Optimization, Technical Report-TR06, Erciyes

University, Engineering Faculty, Computer

Engineering Department, Turkey: Springer-link,

2005.

[2] L. Kathelen Manahan & Marian Arrlin. 1996.

Krause’s Food, Nutrition and Diet Therapy 9

edition. W.B Saunders: USA

[3] Gibson, Rosalind S. 2005. Principles of

Nutritional Assessment second edition. Oxford

University Press:New York

[4] Almatsier, S. Prinsip Dasar Ilmu Gizi..Jakarta,

Gramedia, 2001.

[5] Teodorovic, D., Dell, M. O. (December 15,

2011). Bee colony optimization – a cooperative

learning approach to complex transportation

problems, In Proceedings of 10th EWGT

Meeting and 16th Mini EURO Conference, 2005.

[6] A. Malik., S. Abdullah. (2011, December 29),

Comparison on the Selection Strategies in the

Artificial Bee Colony Algorithm for Examination

Timetabling Problem., International Journal of

Soft Computing and Engineering (IJSCE) ISSN:

2231-2307, Volume-1, Issue-5, November 2011.

[7] Karaboga, Dervis. (2011, December 15),

Artificial bee colony (ABC) optimization

algorithm for solving constrained optimization

problems, Advances in Soft Computing:

Foundations of Fuzzy Logic and Soft

Computing, Volume 4529 of LNCS: 789-798,

Springer, Berlin, 2007.

[8] Suyanto, Algoritma Optimasi. Jogjakarta,

Graha Ilmu, 2010, pp. 190–215.

ENERGI PROTEIN LEMAK KH

PAKAR 0,91 5,42 15,20 1,16

ABCO 0,94 1,77 11,86 0,00

0,00

10,00

20,00

%

PERBANDINGAN % ERROR ANTARA PAKAR DENGAN ABCO

OPTIMASI PENGATURAN MENU DAN TAKARAN ENERGI UNTUK ...

Documents

Transcript of OPTIMASI PENGATURAN MENU DAN TAKARAN ENERGI UNTUK ...