Penerapan Algoritma Genetika Untuk Optimasi Komposisi Makanan Pada Individu Dengan Prediabetes

Abstract

Penelitian ini bertujuan untuk menangani kurangnya pemahaman mengenai keseimbangan komposisi makanan pada penderita prediabetes. Kondisi prediabetes memiliki risiko berkembang menjadi diabetes melitus tipe 2 yang dapat memicu berbagai komplikasi kesehatan. Tujuan dari penelitian ini adalah mengoptimalkan komposisi makanan bagi individu prediabetes menggunakan algoritma genetika, dengan harapan dapat membantu mengontrol kadar gula darah dan mencegah perkembangan diabetes. Penelitian ini memanfaatkan algoritma genetika untuk mengoptimalkan komposisi makanan berdasarkan data nutrisi dari bahan makanan yang tersedia di pasar Indonesia. Data tersebut diambil dari situs Kementerian Kesehatan Republik Indonesia. Proses penelitian meliputi pengumpulan dan pemrosesan awal data, pembuatan model algoritma genetika, serta pengujian algoritma untuk mendapatkan hasil optimasi komposisi makanan yang tepat. Hasil penelitian menunjukkan bahwa algoritma genetika efektif dalam mengoptimalkan komposisi makanan untuk individu prediabetes dengan parameter optimal yaitu jumlah populasi pada iterasi luar (outer) 20 dan iterasi dalam (inner) 25, jumlah generasi pada iterasi luar 20 dan iterasi dalam 25, crossover rate pada iterasi luar 0.8 dan iterasi dalam 0.2, serta mutation rate pada iterasi luar 0.4 dan iterasi dalam 0.6. Hasil akurasi yang didapatkan sebesar 71,4% nilai ini lebih tinggi dibandingkan akurasi sebelum menggunakan algoritma genetika, yaitu sebesar 69.4%. Model yang dihasilkan mampu menyediakan variasi makanan bergizi yang sesuai dengan preferensi individu, sehingga membantu mencegah perkembangan prediabetes menjadi diabetes tipe 2. Kesimpulan penelitian ini adalah bahwa optimasi komposisi makanan menggunakan algoritma genetika dapat membantu individu prediabetes dalam mengatur pola makan dan mencegah komplikasi kesehatan. Penggunaan algoritma genetika terbukti memberikan hasil yang akurat dan bisa diterapkan dalam perencanaan diet harian. Penelitian ini juga merekomendasikan pengujian lebih lanjut dengan variasi data yang lebih luas serta mempertimbangkan faktor-faktor lain seperti aktivitas fisik dan kondisi kesehatan spesifik untuk meningkatkan akurasi dan efektivitas model optimasi komposisi makanan.