Mobile Breakfast-Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar HUSNUL KHOTIMAH

Transkripsi

1 Mobile Breakfast-Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar HUSNUL KHOTIMAH DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Mobile Breakfast- Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2013 Husnul Khotimah NIM G

4 ABSTRAK HUSNUL KHOTIMAH. Mobile Breakfast-Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar. Dibimbing oleh YANI NURHADRYANI. Sarapan menyuplai energi sebanyak 25% untuk aktivitas di pagi hari. Dengan sarapan akan memaksimalkan penyerapan materi saat belajar dan meningkatkan konsentrasi anak saat di sekolah. Oleh karena itu, menumbuhkan kebiasaan sarapan harus ditanamkan sejak kecil. Berdasarkan penelitian sebelumnya kebiasaan sarapan siswa SD kurang dari 4 kali seminggu sebesar 36.4%, bahkan ada anak yang tidak pernah sarapan. Selain itu, dari segi kualitas, sarapan pada siswa SD masih rendah. Oleh karena itu, dikembangkan meal planning system khusus untuk sarapan yang memberikan rekomendasi sarapan sesuai dengan preferensi pengguna juga mengoptimalkan kebutuhan energi harian. Dalam mengembangkan sistem rekomendasi menu perlu memperhatikan karakteristik dari pengguna, agar dapat mengubah sikap dan praktik konsumsi yang tidak sehat. Metode yang digunakan untuk mengoptimasi kebutuhan energi yaitu algoritme genetika. Sistem yang dikembangkan berbasis smartphone Android. Kata kunci: algoritme genetika, meal planning system, siswa SD, android ABSTRACT HUSNUL KHOTIMAH. Mobile Breakfast-Nutrition: Balanced Breakfast Menu Recomendations for Elementary Students. Supervised by YANI NURHADRYANI. Breakfast contributes 25% daily energy requirements for morning activity. Breakfast can maximize absorption and improve concentration of student at school. Therefore, the breakfast habits should be taught since children. Based on previous study, 36.4% of elementary students have breakfast less than 4 times a week, there are even students never have breakfast. The main reason why students do not have breakfast based on that previous study, is due to no appetite from students. In addition, the quality of breakfast on elementary students is still low. Therefore, meal planning system developed specifically for breakfast that provide breakfast recommendations according to user preferences and also optimize daily energy needs. In developing this system, the prefernces of the user are required in order to change the attitudes and practices of unhealthy consumption. The method to optimize the daily energy needs is genetic algorithms. The system developed on Android-based. Result from this research Keywords: genetic algorithms, meal planning system, elementary students, android

5 Mobile Breakfast-Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar HUSNUL KHOTIMAH Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer pada Departemen Ilmu Ilmu Komputer DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

6

7 Judul Skripsi : Mobile Breakfast-Nutrition: Sistem Rekomendasi Menu Sarapan Seimbang untuk Siswa Sekolah Dasar Nama : Husnul Khotimah NIM : G Disetujui oleh Dr Yani Nurhadryani, SSi MT Pembimbing I Diketahui oleh Dr Ir Agus Buono, MSi MKom Ketua Departemen Tanggal Lulus:

8 PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta ala atas segala karunia-nya sehingga penelitian ini berhasil diselesaikan. Terima kasih penulis ucapkan kepada Ibu Dr Yani Nurhadryani, SSi MT selaku pembimbing, serta Bapak Dr Ir Agus Buono, MSi MKom selaku ketua Departemen Ilmu Komputer. Terima kasih juga kepada Bapak Dr Irman Hermadi, SKom MT dan Ibu Ir Meuthia Rachmaniah, MSc selaku penguji yang telah banyak memberi masukkan untuk penelitian ini. Di samping itu, penghargaan penulis sampaikan kepada Ibu Dr Ir Ikeu Tanziha MS dan Kakak Nurlaely Fitriana, SGz dari Departemen Gizi Masyarakat IPB yang telah membantu selama penelitian berlangsung. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, seluruh keluarga, serta rekan-rekan atas segala doa dan dukungannya. Penelitian ini merupakan bagian dari penelitian lintas fakultas antara Departemen Ilmu Komputer Fakultas Matematia dan IPA dengan Departemen Gizi Masyarakat Fakultas Ekologi Manusia. Oleh karena itu penulis mengucapkan terima kasih sebesar-besarnya kepada pihak-pihak yang telah membantu kesuksesan dari penelitian ini. Semoga karya ilmiah ini bermanfaat. Bogor, Agustus 2013 Husnul Khotimah

9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vii PENDAHULUAN 1 Latar Belakang 1 Perumusan Masalah 3 Tujuan Penelitian 4 Manfaat Penelitian 4 Ruang Lingkup Penelitian 4 TINJAUAN PUSTAKA 4 Meal Planning System 4 Algoritme Genetika 6 Kebutuhan Gizi 7 METODE 10 Project Planning 10 Analysis (Analisis) 10 Design (Perancangan) 11 Implementation (Implementasi) 11 HASIL DAN PEMBAHASAN 11 Project Planning 11 Analysis (Analisis) 13 Design (Perancangan) 15 Implementation (Implementasi) 24 SIMPULAN DAN SARAN 26 Simpulan 26 Saran 26 DAFTAR PUSTAKA 27 LAMPIRAN 29 RIWAYAT HIDUP 50

10 DAFTAR TABEL 1 Hasil penelitian Masti (2009) mengenai kebiasaan hubungan status gizi dan pola aktivitas siswa SD negeri dan siswa SD swasta 1 2 Potongan tabel AKG untuk anak usia sekolah dasar (WKNPG 2004) 8 3 Hasil studi pustaka dan rencana penelitian 12 4 Kebutuhan fungsional sistem m B-Nutrition 14 5 Kode untuk 5 kelompok makanan yang menjadi representasi kromosom beserta keterangannya 20 6 Tabel perbandingan rekomendasi menu sarapan dengan jumlah generasi sebanyak 3, 6 dan DAFTAR GAMBAR 1 Grafik penetrasi pengguna mobile di Indonesia berdasarkan umur dari tahun (Nielsen 2011) 3 2 Metode system development life cycle dengan model waterfall (Satzinger et al. 2009) 10 3 Diagram use case m B-Nutrition 13 4 Perancangan antarmuka input profil gizi 15 5 Perancangan antarmuka hasil pengolahan profil gizi 16 6 Perancangan antarmuka pola aktivitas untuk memilih aktivitas yang dilakukan 16 7 Perancangan antarmuka pola aktivitas untuk memasukkan lama aktivitas yang dilakukan 17 8 Perancangan antarmuka hasil pengolahan tingkat aktivitas 17 9 Perancangan antarmuka menu rekomendasi sarapan Perancangan antamuka detail menu makanan Perancangan alur kerja sistem Perancangan metode optimasi dengan algoritme genetika Contoh representasi satu kromosom yang terdiri dari 14 gen dan simbol dari gen merupakan indeks menu makanan, setiap lokus dari gen berisi kelompok makanan untuk setiap waktu makan Two-point cross-over yang terjadi pada lokus ke 5 sampai ke Mutasi dengan mengganti nilai pada gen pada lokus ke (a) Antarmuka awal sistem, (b) Antarmuka menu profil gizi, (c) Antarmuka menu pola aktivitas (d) Antarmuka menu kuis sarapan Rataan nilai fitness dengan jumlah generasi 3, 6, dan 11 25

11 DAFTAR LAMPIRAN 1 Kurva z-score untuk anak laki-laki umur 5-19 tahun 29 2 Kurva z-score untuk anak perempuan 5-19 tahun (WHO 2007) 30 3 Jenis pekerjaan beserta nilai PAR 31 4 Kurva z-score untuk anak laki-laki umur 5-19 tahun (WHO 2007) 33 5 Tabel z-score untuk anak perempuan umur 5-19 tahun (WHO 2007) 38 6 Data golongan makanan 43

12

13 1 PENDAHULUAN Latar Belakang Anak usia sekolah dasar (SD) merupakan sumber daya berkualitas yang akan menjadi pemimpin-pemimpin bangsa di masa yang akan datang. Menurut Khomsan et al. (2013) sumber daya manusia berkualitas dapat dicirikan dari tumbuh kembang anak yang baik, sehingga terbentuk generasi yang sehat dan cerdas, baik secara intelegensia, emosi maupun spiritualnya. Tumbuh kembang anak tentunya tidak terlepas dari sikap dan praktik konsumsi gizi seimbang. Konsumsi gizi seimbang berkontribusi dalam mendukung pertumbuhan dan perkembangan anak. Sikap dan praktik konsumsi gizi seimbang dapat diukur dari perilaku sarapan seseorang. Bagi anak sekolah membiasakan sarapan dapat meningkatkan konsentrasi belajar dan memudahkan menyerap pelajaran, sehingga prestasi belajar menjadi lebih baik. Siswa sekolah dasar memiliki aktivitas yang cukup padat pada pagi hari sehingga dengan sarapan yang menyumbang 25% dari total kebutuhan energi harian mampu mengimbangi aktivitas pada pagi hari (Khomsan 2004). Penelitian mengenai kebiasaan konsumsi dilakukan oleh Masti (2009). Masti meneliti hubungan status gizi dengan pola aktivitas pada siswa SD negeri dan siswa SD swasta. Hasil dari penelitian ini dapat dilihat pada Tabel 1. Pola aktivitas fisik siswa SD negeri didominasi tingkat aktivitas fisik sedang dan berat, sedangkan rata-rata frekuansi makan 2 kali dalam sehari, sehingga tidaklah aneh jika terjadi defisiensi energi tingkat berat sebesar 63.5%. Sementara pasa siswa SD swata yang didominasi status gizi gemuk dan obesitas, sebagian besar siswanya memiliki tingkat aktivitas fisik yang ringan. Walaupun rata-rata Tabel 1 Hasil penelitian Masti (2009) mengenai kebiasaan hubungan status gizi dan pola aktivitas siswa SD negeri dan siswa SD swasta Status gizi Kecukupan energi SD Swasta Siswa obesitas dan gemuk lebih banyak Defisit energi tingkat berat *) 29.6% Pola aktivitas Didominasi tingkat aktivitas fisik ringan, Tidak ada siswa dengan tingkat aktivitas fisik berat. Frekuensi makan Rata-rata 3 kali sehari, namun jarang menghabiskan makanan yang disediakan di sekolah SD Negeri Siswa status gizi normal mendominasi Defisit energi tingkat berat *) 63.5% Didominasi siswa dengan tingkat aktivitas fisik sedang dan berat Rata-rata 2 kali sehari *) Defisit energi tingkat berat adalah energi yang dikonsumsi kurang dari 70% berdasarkan angka kecukupan gizi harian

14 2 frekuensi makan pada siswa SD swasta sesuai anjuran yaitu 3 kali sehari, namun masih terjadi defisiensi energi tingkat berat sebesar 296.%. Hal tersebut dikarenakan siswa jarang menghabiskan makanan yang disediakan oleh sekolah. Penelitian lain mengenai sikap dan praktik sarapan pada siswa SD telah dilakukan oleh Murniati (2011). Murniati (2011) meneliti pengetahuan, sikap dan praktik sarapan siswa kelas 5 dan 6 di SD Negeri Kebon Kopi 2 Bogor. Presentase siswa yang pengetahuan sarapannya masih kurang pada penelitian ini sebesar 33%. Frekuensi sarapan siswa yang sarapan kurang dari 4 kali dalam seminggu cukup besar yaitu 36.4%, bahkan ada sebanyak 4.5% siswa tidak pernah sarapan dalam satu minggu. Hasil uji statistik dengan uji kolerasi pearson menunjukkan terdapat hubungan yang signifikan antara sikap dengan praktik terhadap kebiasaan sarapan. Hasil kolerasi positif juga ditunjukkan dari pengetahuan dengan praktik terhadap kebiasaan sarapan siswa. Hal tersebut berarti bahwa semakin tinggi pengetahuan siswa maka akan semakin baik praktik siswa tersebut terhadap kebiasaan sarapan. Pemberian pengetahuan mengenai sarapan kepada anak sangat penting guna membiasakan sikap dan praktik sarapan yang sehat kepada anak. Pemberian pengetahuan bisa melalui pemberian rekomendasi sarapan yang sesuai dengan kebutuhan anak serta pemberian materi mengenai pentingnya sarapan. Untuk itu, diperlukan suatu sistem Breakfast-Nutrition yang dapat memberikan rekomendasi menu harian seimbang yang disesuaikan dengan kebutuhan siswa SD. Penelitian mengenai sistem rekomendasi menu yang disesuaikan dengan kebutuhan kalori seseorang telah banyak dilakukan. Pemberian rekomendasi menu makanan lengkap sudah dilakukan dalam berbagai penelitian dengan metode yang beragam diantaranya linear programming, fuzzy, pilih acak, algoritme genetika, dan lainlain. Sistem rekomendasi menu makanan biasa disebut dengan meal planning system. Menurut Aberg (2009) sistem rekomendasi menu makanan seharusnya bisa mengubah behaviour pengguna. Pengubahan perilaku pengguna ini agar rekomendasi menu makanan sehat yang diberikan sistem dapat diterapkan oleh pengguna. Hal tersebut akan mempengaruhi kebiasan konsumsi sehat dari pengguna. Untuk itu sebaiknya meal planning system mempertimbangkan juga preferensi dari pengguna. Pada penelitian ini, dalam memberikan rekomendasi menu sarapan seimbang, juga mempertimbangkan preferensi pengguna terhadap makanan. Kashima et al. (2009) mengembangkan meal planning system sebuah sistem rekomendasi berdasarkan kebutuhan nutrisi pengguna dan preferensi pengguna terhadap makanan. Preferensi terhadap makanan dilakukan dengan memberikan nilai antara oleh pengguna. Penelitian ini menggunakan metode algoritme genetika yang bersifat non-deterministik sehingga dapat menghasilkan penyelesaian masalah yang berbeda-beda untuk masukan yang sama. Penerapan algoritme genetika pada sistem rekomendasi menu dapat menghasilkan menu yang berbeda-beda untuk masukan yang sama. Optimasi dengan algoritme genetika sudah banyak diterapkan untuk memberikan rekomendasi menu harian karena sifatnya yang non-deterministik sehingga cocok diterapkan pada sistem rekomendasi menu harian.

15 3 Gambar 1 Grafik penetrasi pengguna mobile di Indonesia berdasarkan umur dari tahun (Nielsen 2011) Penggunaan teknologi smartphone telah memasuki semua lapisan usia, karena mudah dibawa dan saat ini harganya semakin terjangkau. Pada Gambar 1 terdapat grafik penetrasi pengguna mobile di Indonesia, terlihat bahwa persentase jumlah kepemilikan mobile meningkat pada semua kelompok umur. Usia anak sekolah dasar umumnya berada dalam rentang 7-12 tahun. Berdasarkan survei yang dilakukan oleh Nielsen terlihat bahwa kepemilikan mobile pada kelompok umur anak SD (10-14 tahun) meningkat dari tahun ke tahun, dan peningkatan yang signifikan terjadi pada tahun Pada penelitian ini akan dikembangkan sistem rekomendasi menu sarapan seimbang Breakfast-Nutrition berbasis mobile. Pengguna dari sistem ini merupakan siswa SD. Sistem yang dikembangkan dalam merekomendasikan menu sarapan mempertimbangkan kandungan gizi seimbang dan preferensi pengguna. Perumusan Masalah Konsumsi asupan gizi seimbang saat sarapan harus sudah dibiasakan sejak kecil. Asupan gizi seimbang dapat menunjang pertumbuhan dan mengoptimalkan aktivitas sehari-hari pada anak. Adapun masalah yang diangkat pada penelitian ini ialah pengetahuan siswa SD yang rendah mengenai sarapan, kebiasaan sarapan seimbang siswa yang masih kurang, perlunya suatu meal planning system (rekomendasi menu harian) yang memperhitungkan preferensi pengguna. Oleh karena itu dikembangkan mobile Breakfast-Nutrition yang dapat memberikan rekomendasi menu sarapan sesuai anjuran gizi seimbang dan preferensi pengguna. Aplikasi ini diharapkan dapat meningkatkan kesadaran siswa akan status gizi, pola aktivitasnya, serta manfaat sarapan seimbang pada siswa.

16 4 Tujuan Penelitian Tujuan dari penelitian ini ialah mengambangkan sistem mobile Breakfast- Nutrition (m B-Nutrition) sebagai media rekomendasi menu sarapan seimbang untuk siswa SD. Sistem m B-Nutrition memberikan pengetahuan dasar tentang sarapan kepada pengguna. Selain itu sistem dapat menghitung status gizi dan pola aktivitas dari pengguna. Dalam memberikan rekomendasi dioptimasi kebutuhan gizi pengguna berdasarkan pola aktivitas dan status gizinya, serta preferensi pengguna terhadap makanan. Metode optimasi yang digunakan ialah algoritme genetika. Manfaat Penelitian Dari penelitian ini diharapkan dapat menghasilkan sistem yang dapat memberikan rekomendasi menu sarapan berdasarkan gizi seimbang dan meningkatkan pengetahuan sarapan pada siswa SD sehingga dapat mengubah sikap dan praktik konsumsi sarapan pada siswa SD. Perubahan pada sikap dan praktik konsumsi pada siswa SD dapat meningkatkan status gizi bangsa. Peningkatan status gizi ini akan berpengaruh pada peningkatan kualitas SDM bangsa Indonesia. Ruang Lingkup Penelitian Pengembangan m B-Nutrition ditujukan untuk pengguna yang merupakan siswa SD. Terdapat dua pendekatan dalam perhitungan kebutuhan energi harian dalam aplikasi ini, yaitu, 1) disesuaikan dengan aktivitas fisik dan status gizi pengguna, dan 2) disesuaikan dengan tabel angka kecukupan gizi (AKG). Kebutuhan zat gizi yang dioptimalkan sesuai kebutuhan pengguna pada penelitian ini adalah energi, karbohidrat, protein, dan lemak. Dalam merekomendasikan menu sarapan selain memperhitungkan kebutuhan zat gizi pengguna, juga memperhitungkan faktor preferensi pengguna terhadap makanan. Metode yang digunakan dalam mengoptimasi kebutuhan zat gizi dan preferensi makanan ialah algoritme genetika. Jenis Menu yang terdapat dalam sistem hanya terdiri dari kelompok makanan. Kelompok minuman tidak terdapat dalam jenis menu di sistem. Sistem m B-Nutrition dikembangkan pada platform ponsel Android 2.3 (Gingerbread). TINJAUAN PUSTAKA Meal Planning System Penelitian mengenai sistem rekomendasi menu atau yang dikenal sebagai meal planning system telah banyak dilakukan dengan menyesuaikan kepada kebutuhan kalori seseorang. Pemberian rekomendasi menu makanan lengkap sudah dilakukan oleh berbagai penelitian dengan berbagai metode diantaranya

17 linear programming, fuzzy, pulih acak, algoritma genetika, dan lain-lain. Dari sistem yang sudah ada pengguna diharapkan dapat menggunakan sistem rekomendasi menu lengkap tersebut dalam kebiasaan sehari-hari. Aberg (2009) melakukan penelitian mengenai evaluasi meal planning system dari sisi kemudahan penggunaan dan kebergunaan. Kedua sisi ini merupakan faktor penting dalam user acceptance (penerimaan dari pengguna). Penerimaan pengguna pada sistem rekomendasi menu harian ini diharapkan dapat mengubah kebiasaan makan pengguna sehingga pengguna terbiasa mengonsumsi makanan sehat sesuai kebutuhan energi. Tujuan dari penelitian ini adalah untuk membantu pengguna mengubah kebiasaan konsumsinya dengan dukungan dari meal planning system sehingga dapat digunakan untuk kebutuhan sehari-hari. Dari sistem rekomendasi menu yang ada biasanya tidak memperhatikan faktor-faktor preferensi pengguna terhadap suatu makanan seperti rasa, harga, kesulitan penyiapan, ketersediaan bahan makanan, kandungan nutrisi. Hal ini dapat menyebabkan pengguna kesulitan dalam mengubah kebiasaan makannya sesuai yang direkomendasikan oleh sistem. Sistem yang dikembangkan pada penelitian Aberg (2009) didesain khusus untuk orang dewasa. Beberapa keunggulan dari sistem yang dikembangkan adalah Level preferensi bahan makanan dapat di atur oleh pengguna,sehingga pengguna bisa mempertimbangkan harga, ketersediaan bahan, alergi terhadap suatu makanan, dan lain-lain. Pengguna dapat memberikan rating terhadap hasil rekomendasi menu dari sistem. Pada iterasi berikutnya sistem juga memberikan rekomendasi berdasarkan rating makanan yang diberikan pengguna. Sistem diuji dari sisi kemudahan penggunaan (ease of use) dan kebermanfaatan (perceived of usefulness) kepada 10 orang dewasa. Hasil pengujian menunjukkan bahwa sistem sulit digunakan untuk pengguna yang orang tua, dan sistem mudah digunakan pada pengguna yang memiliki pengalaman dalam mengakses komputer. sistem sementara hasil pengujian dari kebermanfaatan sistem, mayoritas pengguna mau menggunakan sistem ini untuk di rumah. Penelitian Silva (2011) mengembangkan sistem m-health untuk memonitor aktivitas fisik, sharing pengalaman pengguna terkait kesehatan, dan meal planning. Aplikasi m-health ini bernama SapoFitness yang berbasis android. Dari sisi interface sistem mudah digunakan karena didesain dengan kemudahan menggenggam pengguna. Kelebihan dari sistem adalah sistem yang sederhana dan user-interface yang yang disesuaikan dengan interaksi pengguna juga kemudahan menggenggam sistem (handphone). Sistem menghitung kebutuhan energi pengguna dari berat badan, tinggi badan, usia, dan jenis kelamin. Sistem dapat mencatat konsumsi harian sesuai dengan masukan pengguna sehingga sistem dapat mengevaluasi banyaknya asupan gizi pengguna. Selain itu, sistem memberikan berat badan ideal dan mengevaluasi aktivitas pengguna dengan memberikan rekomendasi aktivitas fisik. Kekurangan dari sistem ini adalah rekomendasi menu makanan bagi pengguna belum menggunakan otomatisasi oleh sistem namun, baru berupa kalkulator sederhana, makanan dipilih sendiri oleh pengguna yang dan sistem akan menghitung gizi yang kurangnya. Pada modul meal planning system SapoFitness belum sistem rekomendasi menu masih berdasarkan pemilihan makanan sendiri oleh pengguna, sistem belum memberikan perencanaan menu secara otomatis. Sudah banyak m-health yang 5

18 6 memberikan rekomendasi menu lengkap harian namun masih sedikit yang memperhatikan komponen gizi dan preferensi pengguna terhadap suatu makanan. Pada penelitian Kashima et al.(2009) dibuat sebuah sistem yang membuat menu planning system yang dilihat dari sisi kebutuhan nutrisi pengguna dan preferensi pengguna terhadap makanan yang diberi skor Masalah rekomendasi menu ini dirumuskan ke dalam masalah 0-1 knapsack, yaitu makanan yang dipilih akan diberi nilai 1 dan yang tidak terpilih akan diberi nilai 0. Masalah 0-1 knapsack tersebut diselesaikan dengan metode algoritme genetika. Menurut Kashima et al. (2009) terdapat beberapa metode matematika untuk menyelesaikan masalah 0-1 knapsack namun metode tersebut memberikan satu jawaban pasti. Hal ini tentu bertolak belakang dengan konsep menu harian, karena jika seseorang diberikan menu makanan yang sama secara terus menerus maka akan merasa bosan. Metode algoritma genetika bekerja secara heuristik dengan mencoba berbagai kemungkinan jawaban. Metode optimasi algoritme genetika akan diterapkan pada penelitian ini dengan sistem berbasis mobile. Sehingga m B- Nutrition dapat memberikan rekomendasi menu sarapan seimbang yang berdasarkan kepada preferensi pengguna terhadap suatu makanan tertentu juga kandungan gizi yang disesuaikan dengan kebutuhan pengguna. Algoritme Genetika Algoritme genetika merupakan teknik optimasi yang mengambil perilaku evolusi pada alam. Teknik ini pertama kali diperkenalkan oleh John Holland (1975) sebagai teknik baru yang berfungsi memecahkan masalah-masalah rumit dan kompleks. Menurut Goldberg (1989) algoritme genetika adalah bentuk algoritma pencarian solusi optimal terbaik berdasarkan kepada mekanisme seleksi alam dan sifat-sifat genetika alamiah. Goldberg pertama kali berhasil menerapkan algoritme genetika untuk perancangan pipa gas alam. Individu-individu yang merupakan calon solusi optimal disebut dengan istilah kromosom. Kromosom direpresentasikan dalam bentuk string. String tersebut dapat berupa string biner, non-biner ataupun representasi matriks. Algoritme genetika bekerja dengan mengukur seberapa baik sebuah kromosom dapat menyelesaikan suatu masalah. Pengukuran dilakukan dengan menggunakan fungsi fitness. Setiap kromosom di evaluasi merupakan indvidu terbaik atau tidak dari fungsi fitness. Fungsi fitness merupakan fungsi yang mengukur derajat optimalitas suatu kromosom. Nilai dari fitness function ini menandakan seberapa baik kromosom sehingga layak terseleksi sebagai solusi optimal. Semakin besar niai fitness, semakin besar kemungkinan kromosom tersebut terpilih sebagai induk bagi kromosom pada generasi berikutnya. Secara garis besar kerja dari algoritma genetika terbagi menjadi tahapan sebagai berikut. 1. Membangkitkan populasi awal secara acak. 2. Menghitung nilai fitness dari setiap kromosom dalam populasi. 3. Seleksi kromosom untuk dijadikan induk. Kromosom-kromosom yang memiliki nilai fitness yang baik akan memiliki peluang yang lebih besar untuk terpilih menjadi induk, sedangkan kromosom yang buruk akan tergantikan oleh generasi yang baru. Salah satu teknik seleksi yang diperkenalkan oleh Goldberg (1989) adalah teknik seleksi cakram rolet.

19 4. Pembentukan kromosom anak (offspring). Setelah terpilih kromosom yang akan dijadikan sebagai kromosom induk, lalu digunakanlah dua teknik untuk membentuk kromosom baru. Teknik tersebut yaitu: a. Pindah silang (crossover) teknik ini bekerja pada sepasang kromosom induk dengan saling menukarkan beberapa gen sehingga dihasilkan kromosom baru. b. Mutasi merupakan teknik ini bekerja pada satu kromosom berperan mengubah struktur kromosom secara spontan yang memungkinkan munculnnya mutan. Mutan adalah kromosom baru yang berbeda dengan kromosom pada generasi sebelumnya. 5. Gunakan populasi yang baru untuk membentuk generasi berikutnya dengan melakukan proses nomor 2 s.d 4. Hal ini dilakukan hingga kriteria pemberhentian terpenuhi. Menurut Gunawan (2003) ada tiga kriteria pemberhentian yang dapat dipilih salah satu, kriteria tersebut diantaranya - menentukan jumlah generasi maksimum, - menentukan selisih nilai fitness rata-rata tertentu antara suatu generasi dengan generasi sebelumnya, - menentukan batas tingkat keragaman (homogenitas) struktur kromosom. 7 Kebutuhan Gizi Status Gizi Status gizi adalah keadaan kesehatan tubuh seseorang atau sekelompok orang yang diakibatkan oleh konsumsi, penyerapan (absorbsi), dan penggunaan zat gizi makanan. Pengukuran status gizi dilakukan untuk mengetahui keadaan kesehatan seseorang baik atau tidak. Menurut Almatsier (2003) status gizi optimal terjadi bila tubuh digunakan secara efisien sehingga memungkinkan pertumbuhan fisik, perkembangan otak, kemampuan kerja, dan kesehatan secara umum. Pada anak-anak penilaian status gizi dapat menggunakan perangkat lunak anthro plus Anthro plus 2007 dikeluarkan oleh WHO. Perhitungan yang digunakan adalah body mass index untuk usia 5-19 tahun yang berbentuk kurva z-score. Kurva z-score ini terpisah antara anak laki-laki dan perempuan. Lampiran 1 dan Lampiran 3 merupakan kurva z-score untuk menentukan status gizi anak laki-laki dan perempuan. Cara menggunakan kurva ini ialah dengan mencocokkan umur pengguna pada sumbu-x dari kurva setelah itu dilihat body mass index dari pengguna yang terdapat pada sumbu-y, kemudian status gizi ditentukan dari wilayah titik temu antara sumbu-x dan sumbu-y. Berikut kategori status gizi IMT/U berdasarkan referensi WHO (2007) : 1) Sangat kurus ( -3 SD), 2) Kurus (-2 SD z-score < -3 SD), 3) Normal (-2 SD < z-score < +1 SD), 4) Gemuk (+1 SD z-score < +2 SD), dan 5) Gemuk sekali (+2 SD z-score). Kebutuhan Energi Energi dibutuhkan untuk melakukan kegiatan sehari-hari yang diperoleh dari hasil metabolisme makanan yang dikonsumsi. Kebutuhan energi seseorang menurut FAO/WHO (1985) adalah jumlah energi yang dikeluarkan seseorang

20 8 dengan ukuran dan kombinasi tubuh yang disesuaikan dengan pola aktivitas yang sesuai dengan kesehatan jangka panjang. Dalam mengetahui energi harian dapat menggunakan beberapa pendekatan diantaranya pendekatan tabel angka kecukupan gizi (AKG) dan pendekatan angka metabolisme basal (AMB). Kedua metode ini memiliki perbedaan dalam perhitungannya. Pendekatan tabel AKG dapat dilihat dengan mecocokkan usianya saja sedangkan dengan pendekatan angka metabolisme basal (AMB) harus diukur terlebih dahulu pola aktivitas fisiknya. Tabel 1 adalah potongan tabel AKG untuk anak usia sekolah dasar. Tabel AKG langsung menyajikan kebutuhan energi beserta setiap kandungan gizi. Dengan pendekatan angka metabolisme basal perlu dihitung nilai AMB dan tingkat aktivitas fisiknya terlebih dahulu. Rumus yang digunakan untuk mendapatkan nilai AMB pada penelitian ini menggunakan persamaan Harris Benedict yaitu pada Persamaan 1 untuk laki-laki dan Persamaan 2 untuk perempuan. Ket : BB = Berat Badan (kg) TB = Tingggi Badan (cm) U = Umur (tahun) - (1) - (2) Aktivitas fisik merupakan serangkaian kegiatan harian yang memerlukan energi seperti berlari, berolahraga, belajar, dan lain-lain. Kebutuhan energi harian sangat berhubungan dengan aktivitas fisik harian seseorang. Aktivitas fisik diperlukan untuk membakar energi di dalam tubuh. Aktivitas fisik anak usia sekolah dasar memiliki hubungan yang erat dengan pola pertumbuhannya. Menurut FAO/WHO/UNU (1985) aktivitas fisik dibagi ke dalam golongan tidur, sekolah, kegiatan ringan (duduk, berdiri, bermain ringan), kegiatan sedang (berjalan, menyapu, mengepel), dan kegiatan berat. Aktivitas fisik merupakan variabel utama setelah angka metabolisme basal (AMB) atau basal metabolic rate (BMR) dalam perhitungan pengeluaran energi. Aktivitas fisik memerlukan energi di luar kebutuhan untuk metabolisme basal. Pengertian aktivitas fisik adalah gerakan yang dilakukan oleh otot tubuh Tabel 2 Potongan tabel AKG untuk anak usia sekolah dasar (WKNPG 2004) Jenis Kelamin Energi (kkal) 7-9 tahun Laki-laki 1800 Perempuan tahun Laki-laki 2050 Perempuan tahun Laki-laki 2400 Perempuan 2350

21 dan sistem penunjangnya. Kebutuhan energi aktivitas fisik dipengaruhi oleh banyaknya otot yang bergerak, waktu dan beban pekerjaan yang dilakukan. Untuk setiap jenis pekerjaan memiliki nilai physical activity ratio (PAR). Setiap jenis pekerjaan dengan nilai PAR-nya terdapat pada Lampiran 3. Besarnya aktivitas fisik yang dilakukan seseorang selama 24 jam dinyatakan dalam physical activity level (PAL). PAL merupakan rataan hasil perkalian setiap lamanya jenis pekerjaan yang dilakukan dengan nilai PAR aktivitas tersebut selama 24 jam. Besaran PAL ditentukan berdasarkan rumus pada persamaan 3. Tingkat aktivitas fisik dikategorikan sebagai berikut : 1) Sangat ringan (PAL< 1.40), 2) Ringan (1.40 PAL 1.69), 3) sedang (1.70 PAL 1.99), dan 4) Berat (PAL 2.00). Setelah didapatkan nilai AMB dari Persamaan 2 dan nilai PAL dari Persamaan 3 maka kebutuhan energi harian didapatkan melalui Persamaan 4. energi (kkal) = PAL x AMB (4) Pemenuhan kebutuhan energi dapat diperoleh dengan mengonsumsi makanan sumber karbohidrat, protein, dan lemak (Depkes 2001). Karbohidrat, protein, dan lemak merupakan sumber makronutrien penunjang kebutuhan energi. Untuk setiap zat gizi tersebut terdapat anjuran banyaknya konsumsi per harinya. 1 Kebutuhan karbohidrat. Karbohidrat dalam makanan menyumbang energi terbesar bagi tubuh, karena karbohidrat mengandung glukosa yang akan menghasilkan energi. Sebagian besar karbohidrat berasal dari tumbuhtumbuhan (nabati) seperti padi-padian, umbi-umbian, dan kacang-kacangan. Banyaknya konsumsi karbohidrat yang dianjurkan sebanyak 60% s.d 75% dari total kebutuhan energi harian (Almatsier 2003). Berdasarkan acuan tersebut penentuan kebutuhan karbohidrat yang digunakan pada sistem yaitu sebesar 70%. 2 Kebutuhan protein. Protein berfungsi sebagai zat pembangun. Almatsier (2003) menyatakan bahwa protein memiliki peran yang sangat penting bagi tubuh, yaitu sumber energi, pertumbuhan dan pemeliharaan, pembentukan ikatanikatan esensial tubuh, mengatur keseimbangan air, memelihara netralitas tubuh, membentuk antibodi, dan mengangkut zat-zat gizi. Kebutuhan protein normal adalah 10% s.d 15% dari kebutuhan energi total (Almatsier 2003). Berdasarkan acuan tersebut penentuan kebutuhan protein yang digunakan pada sistem yaitu sebesar 12%. 3 Kebutuhan lemak. Lemak merupakan cadangan energi bagi tubuh. Lemak berfungsi melarutkan beberapa jenis vitamin dan sebagai cadangan energi ketika tubuh tidak mendapat asupan energi yang cukup. Anjuran banyaknya konsumsi makanan yang mengandung lemak sekitar 10% s.d. 25% dari total kebutuhan energi harian (Almatsier 2003). Berdasarkan acuan tersebut penentuan kebutuhan karbohidrat yang digunakan pada sistem yaitu sebesar 15%. 9 (3)

22 10 METODE Penelitian ini menggunakan metode system development life cycle (SDLC) dengan model waterfall. Model waterfall merupakan pendekatan SDLC yang terdiri dari empat tahapan. Empat tahapan tersebut ialah project planning, analysis, design, dan implementation. Tahapan tersebut dilakukan secara sekuensial seperti pada Gambar 2. Project Planning Pada tahapan ini bertujuan mengidentifikasi cakupan dari sistem yang akan dikembangkan. Tahapan yang dilakukan dengan menginvestigasi permasalahan yang melatarbelakangi perlunya pengembangan sistem. Investigasi ini dilakukan dengan mengidentifikasi existing system yang disesuaikan dengan cakupan penelitian. Analysis (Analisis) Tahapan analisis terdiri dari tiga tahap yaitu analisis use case, analisis data, dan analisis kebutuhan sistem. a. Analisis use case. Pada tahapan ini dibangun use case diagram. Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. b. Analisis data.analisis data dilakukan dengan melihat kebutuhan sistem, data apa saja yang dibutuhkan dan terlibat dalam sistem. Data yang dikumpulkan pada tahap awal penelitian dianalisis dan disesuaikan dengan lingkungan pengembangan sistem. Analisis kebutuhan sistem. Tahapan ini dilakukan untuk menghasilkan sistem yang tepat guna sesuai dengan lingkungan dari pengguna itu sendiri. Tahapan ini terdiri dari analisis kebutuhan fungsional, analisis kebutuhan non- Gambar 2 Metode system development life cycle dengan model waterfall (Satzinger et al. 2009)

23 11 fungsional, dan analisis batasan sistem. Design (Perancangan) Tahapan perancangan meliputi perancangan antar muka sistem, perancangan alur kerja sistem, dan perancangan metode optimasi. Perancangan metode optimasi ini dilakukan secara khusus untuk mengakomodir cara kerja algoritme genetika dalam memberikan rekomendasi sarapan. Implementation (Implementasi) Tahapan ini merupakan tahapan pembangunan sistem kedalam kode bahasa pemrograman. Hasil dari tahapan sebelumnya akan menjadi panduan serta bahan untuk mengembangkan sistem. Lingkungan pengembangan sistem berada pada Android versi 2.3 (Gingerbread). Perangkat lunak yang digunakan adalah Eclipse, Android SDK (Software Development Kit), dan SQLite 2.0. Eclipse digunakan sebagai Integrated Development Environment untuk mengembangkan perangkat lunak. Android SDK merupakan tools API (Application Programming Interface) yang diperlukan untuk memulai pengembangan aplikasi pada platform android. SQLite 2.0 yang berfungsi sebagai DBMS (Database Management System). Pada tahap implementation juga mencakup proses pengujian (testing). Pengujian dilakukan untuk menemukan error pada sistem. Metode pengujian yang dilakukan pada penelitian ini adalah pengujian secara black-box testing. Selain dilakukan pengujian secara black-box, input-output sistem juga divalidasi kepada pakar gizi. HASIL DAN PEMBAHASAN Project Planning Pada tahap ini diidentifikasi beberapa existing system dengan melakukan studi pustaka dari beberapa sumber. Studi pustaka dilakukan pada karya ilmiah yang relevan terhadap penelitian. Existing system yang menjadi rujukan utama pada penelitian ini ialah hasil karya dari Aberg (2009), Kashima et al. (2011), Silva et al. (2011). Pada penelitian Aberg (2009) fokus utama yang dijadikan rujukan ialah perlunya meal planning system yang beradaptasi dengan kebiasaan pengguna. Adaptasi dengan pengguna tersebut dapat dilihat dari ketersedian bahan untuk mengolah menu, kesukaan pengguna terhadap rasa makanan, harga makanan, tingkat kesulitan menyiapkan makanan, alergi pengguna terhadap makanan, kandungan gizi dari makanan, lama waktu menyiapkan makanan, dan lain-lain. Sistem yang dikembangkan oleh Aberg (2009) beradaptasi dengan pengguna dengan adanya fungsi untuk memasukkan alergi dari pengguna pada bahan-bahan makanan tertentu dan fungsi untuk memberikan rating rasa makanan yang direkomendasikan. Kedua fungsi ini berperan dalam mengevaluasi rekomendasi dari sistem sehingga sistem memberikan rekomendasi yang sesuai

24 12 Tabel 3 Hasil studi pustaka dan rencana penelitian Platform sistem Adaptasi dengan pengguna Data makanan Pengguna Optimasi Aktivitas fisik Alberg Kashima et al. Silva et al. Rencana (2009) (2011) (2011) penelitian Desktop Web based Android Android Rasa makanan, alergi bahan makanan Makanan dari swedia Preferensi - Preferensi Makanan dari jepang Makanan dari australia Kategori usia dewasa Semua kategori usia Branch and Multidimensional bound 0-1 knapsack algorithm with genetic algorithm - - Ada, berupa rekomendasi olahraga untuk mencapai berat badan ideal Makanan dari Indonesia Usia SD Semua kategori usia - Algoritme Genetika Perhitungan tingkat aktivitas & kebutuhan energi dengan kesukaan pengguna. Metode optimasi yang digunakan ialah branch and bound algorithm. Kashima et al. (2011) mengembangkan meal planning system berbasis web dengan 150 menu makanan. Pada penelitian ini juga terdapat fungsi untuk beradaptasi dengan pengguna yaitu user preference. Fungsi user prefernce ini dilakukan oleh pengguna dengan memberikan skor dengan range dengan interval skor 10. Nilai default pada setiap makanan ialah 50 yang berarti berada diantara suka dan tidak suka terhadap makanan tersebut. Metode optimasi yang digunakan ialah Multidimensional 0-1 knapsack with genetic algorithm. Metode ini mengoptimasi antara kebutuhan zat gizi pengguna juga preferensi dari pengguna. Pada penelitian ini dapat dibuktikan bahwa makanan dengan skor preferensi yang tinggi selalu kemunculannya lebih sering dibanding dengan yang makanan dengan skor kecil. Pengembangan aplikasi meal planning system berbasis mobile telah dilakukan oleh Silva et al. (2011). Aplikasi tersebut bernama SapoFitness. Aplikasi tersebut memiliki banyak fungsi mulai dari perencanaan kegiatan aktivitas yang harus dilakukan, rekomendasi berat badan ideal, hingga pengingat jumlah kalori yang harus dipenuhi. Pada aplikasi ini rekomendasi menu belum menggunakan metode optimasi, user harus memilih sendiri makanan dari database pada sistem yang akan dikonsumsi dalam satu hari. Aplikasi ini memotivasi pengguna untuk memiliki berat badan ideal, meningkatkan aktivittas fisik, dan mengonsumsi makanan sesuai kebutuhan gizi.

25 Pada penelitian Silva et al. (2011) menjadi keunggulan sendiri dengan adanya rekomendasi aktivitas fisik. Kebutuhan energi harian tidak bisa terlepas dengan aktivitas fisik yang dalam sehari. Penggunaan device berupa smartphone juga memudahkan pengguna dalam mengakses aplikasi meal planning system yang dikembangkan. Jenis makanan yang dikembangkan oleh ketiga sumber pustaka tersebut sesuai dengan negara masing-masing. Tabel 3 merupakan hasil rangkuman studi pustaka dan rencana penelitian sistem yang akan dikembangkan. 13 Analysis (Analisis) Analisis Use Case Aktor yang terlibat dalam use case hanya pengguna yang merupakan siswa SD. Use case m B-Nutrition dapat dilihat pada Gambar 3. Dengan m B-Nutrition pengguna dapat menghitung status gizi, menghitung tingkat aktivitas, mendapat rekomendasi sarapan, memberikan rating hasil menu, dan membuka materi pembelajaran sarapan. Dalam memberikan rekomendasi sarapan diperlukan teknik optimasi sehingga rekomendasi menu yang keluar sesuai dengan kebutuhan gizi dan preferensi pengguna. Analisis Data Data-data yang dibutuhkan sistem diantaranya, data tabel z-score untuk menentukan status gizi pengguna, data aktivitas beserta nilai physical activity rate-nya, dan data golongan makanan. Data tabel z-score dan data aktivitas didapatkan dari sesuai referensi WHO. Data golongan makanan didapatkan dari penelitian Rizkita (2011) yang berisi data makanan dan jajanan bersumber dari daftar komposisi bahan dan makanan (DKBM). Mobile Breakfast-Nutrition Mendapat Rekomendasi Sarapan Menghitung status gizi Pengguna Menghitung tingkat aktivitas Mengubah rating menu Membuka materi pembelajaran sarapan Gambar 3 Diagram use case m B-Nutrition

26 14 Kurva z-score direpresentasikan kedalam bentuk tabel z-score, hal ini dilakukan untuk memudahkan pemrograman penentuan status gizi. Data tabel z-score pada Lampiran 4 merupakan representasi kurva z-score untuk anak lakilaki dari Lampiran 1. Hal yang sama terdapat pada kurva z-score perempuan. Data tabel z-score pada Lampiran 5 merupakan representasi kurva z-score untuk anak laki-laki dari Lampiran 2. Konversi kurva z-score menjadi tabel z-score ini sesuai referensi WHO (2007). Pada penelitian Rizkita (2011) terdapat golongan makanan dan minuman, namun pada penelitian ini hanya berfokus kepada golongan makanan yang terdiri dari makanan berat, lauk-pauk, sayur, buah, dan snack. Kemudian reduksi data dilakukan sesuai kebutuhan penelitian, sehingga data direduksi menjadi 151 data makanan (Lampiran 6). Analisis Kebutuhan Sistem Tahap analisis kebutuhan sistem meliputi analisis kebutuhan fungsional sistem, analisis batasan sistem dan analisis kebutuhan non-fungsional sistem. a Analisis kebutuhan fungsional Aplikasi m B-Nutrition bertujuan memberikan pembelajaran sarapan kepada pengguna yang merupakan siswa SD. Aplikasi ini terdiri atas 4 fungsi utama yang terdapat pada Tabel 4. Pengguna tidak dapat melakukan perubahan isi dalam database selain untuk mengubah preferensi pengguna terhadap makanan. Tabel 4 Kebutuhan fungsional sistem m B-Nutrition Kode fungsional MBN-001 MBN-002 MBN-003 MBN-004 MBN-005 Fungsional Sistem Menghitung status gizi Menghitung tingkat aktivitas Mendapat rekomendasi menu sarapan Mengubah rating menu Membuka materi pembelajaran sarapan b Analisis batasan sistem Batasan yang terdapat pada sistem diantaranya, sistem hanya dikhususkan untuk siswa SD, sehingga perhitungan status gizi yang digunakan ialah perhitungan IMT/U (indeks massa tubuh untuk kelompok umur) dari referensi WHO (2007), pengembangan sistem pada Android 2.3, optimasi kebutuhan energi pada rekomendasi menu sarapan melibatkan zat gizi berupa karbohidrat, lemak dan protein, menu sarapan yang direkomendasikan berdasarkan gizi seimbang. Pada pedoman umum gizi seimbang (PUGS) disebutkan bahwa gizi seimbang terdiri dari 3 fungsi utama yaitu sumber energi (karbohidrat), sumber protein, dan sumber zat pengatur (buah dan sayur) (Almatsier 2003).

27 c Analisis kebutuhan non-fungsional sistem Pada tahap ini dianalisis perangkat keras yang diperlukan untuk mendukung aplikasi yang akan dibangun. Perangkat keras ini menunjang pengujian sistem. Perangkat keras tersebut ialah 1 buah smartphone android dengan spesifikasi sebagai berikut : 1 Operating System : Android 2.3 (Gingerbread) 2 Memori internal : 512 Mb 3 CPU : Qualcomm Snapdragon S1, Prosessor 1 GHz, GPU Layar : 320 x 480 pixels, 3.65 inches (~158 ppi pixel density) 15 Design (Perancangan) Perancangan antarmuka Pada tahap ini dibuat bentuk dasar antarmuka sistem. Sistem yang akan dibangun memiliki konten sesuai dengan hasil analisis kebutuhan sistem. Sistem terdiri dari 5 konten yaitu : 1 Menu profil gizi (kode fungsional sistem MBN-001). 2 Menu tingkat aktivitas (kode fungsional sistem MBN-002). 3 Menu rekomendasi sarapan (kode fungsional sistem MBN-003). 4 Menu ubah rating makanan (kode fungsional sistem MBN-004). 5 Menu materi sarapan (kode fungsional sistem MBN-005). Pada Gambar 4 dan Gambar 5 merupakan perancangan antarmuka untuk konten menu profil gizi. Pengguna memasukkan input pada Gambar 4 dan hasil dari perhitungan status gizi ditampilkan pada Gambar 5. Gambar 6, Gambar 7 dan Gambar 8 merupakan perancangan antarmuka untuk konten menu tingkat aktivitas. Tampilan Gambar 6 merupakan tampilan ketika pengguna diminta Gambar 4 Perancangan antarmuka input profil gizi

28 16 memilih aktivitas yang dilakukan dalam satu hari, kemudian pada Gambar 7 pengguna diminta memasukkan jumlah jam dari setiap aktivitasnya. Gambar 8 merupakan hasil perhitungan tingkat aktivitas pengguna. Pada Gambar 9 dan Gambar 10 merupakan perancangan antarmuka untuk konten menu rekomendasi sarapan. Hasil pengolahan input di Gambar 4 dan Gambar 7 akan menentukan jumlah energi harian yang dibutuhkan. Rekomendasi sarapan diperoleh dari hasil optimasi dengan algoritme genetika. Tampilan pada Gambar 5 Perancangan antarmuka hasil pengolahan profil gizi Gambar 6 Perancangan antarmuka pola aktivitas untuk memilih aktivitas yang dilakukan

29 17 Gambar 7 Perancangan antarmuka pola aktivitas untuk memasukkan lama aktivitas yang dilakukan Gambar 8 Perancangan antarmuka hasil pengolahan tingkat aktivitas Gambar 9 merupakan hasil rekomendasi yang ditampilkan kepada pengguna. Gambar 10 merupakan informasi detail dari setiap makanan. Perancangan antarmuka pada Gambar 10 merupakan konten untuk menu ubah rating makanan.

30 18 Gambar 9 Perancangan antarmuka menu rekomendasi sarapan Gambar 10 Perancangan antamuka detail menu makanan

31 Perancangan alur kerja sistem Alur kerja sistem m B-Nutrition dapat dilihat pada Gambar 11. Sistem pertama kali akan menerima input berupa pilihan fitur sistem dari pengguna. Sistem memiliki dua fitur utama yaitu membuka materi pembelajaran sarapan dan mengisi profil gizi dari pengguna. Pada fitur pengisian profil gizi, pengguna akan menemukan fitur lain yaitu menghitung status gizi (MBN-001), menghitung tingkat aktivitas (MBN-002), mendapat rekomendasi sarapan (MBN-003), dan mengubah rating menu hasil rekomendasi (kode fungsional sistem : MBN-004). Pada fitur membuka materi pembelajaran sarapan hanya terdapat satu fungsional dari sistem yaitu fungsi dengan kode fungsional sistem MBN Perancangan metode optimasi Alur kerja dari algoritme genetika terdapat pada Gambar 12. Tahapan tersebut terdiri atas (1) pembangkitan populasi awal, (2) seleksi, (3) perhitungan nilai fitness, (4) cross over (pindah silang), (5) mutasi, (6) elitisme. Langkah 2 hingga 6 diulangi hingga tercapai generasi maksimum yag telah ditetapkan sistem. Konsep utama dari algoritme genetika sendiri ialah mencari solusi optimum Start Membuka materi pembelajaran sarapan tidak Pilih menu profil gizi? ya Berat badan, tinggi badan, tanggal lahir dan jenis kelamin Menghitung status gizi Hitung tingkat aktivitas Jenis aktivitas dan lama aktivitas ya Masukkan nilai aktivitas? tidak End Mengubah rating menu Menu sarapan seimbang ya Menginginkan rekomendasi sarapan tidak Gambar 11 Perancangan alur kerja sistem Start Pembangkitan populasi awal Seleksi Perhitungan nilai fitness Cross over End Generasi maksimum Elitisme Mutasi Gambar 12 Perancangan metode optimasi dengan algoritme genetika

32 20 yang dievaluasi melalui fungsi fitness. Calon-calon solusi disebut dengan kromosom. Kromosom terdiri atas beberapa gen. Panjang gen dalam suatu kromosom tergantung kebutuhan. Pada penelitian ini, gen merepresentasikan indeks nomor setiap menu yang terbagi kedalam 5 kelompok pangan dari jenis makanan seperti yang tertera di Tabel 5. Jumlah gen dalam satu kromosom yaitu terdapat 14. Gambar 13 merepresentasikan barisan gen dari satu kromosom. Gen pada lokus ke 1 sampai 4 merupakan menu sarapan, gen pada lokus ke 5 dan 6 merupakan snack siang dan sore, gen pada lokus ke 7 sampai ke 10 merupakan menu makan siang, gen pada lokus ke 11 sampai ke 14 merupakan menu makan malam. Untuk menu sarapan, makan siang dan makan malam terdiri dari 4 lokus yang berisi makanan dengan jenis karbohidrat, lauk-pauk, sayuran dan buah-buahan. 1. Pembangkitan populasi awal. Pembangkitan populasi awal dilakukan secara acak. Populasi merupakan kumpulan kromosom dalam jumlah tertentu. Pemilihan secara acak ini memungkinkan tidak semua menu akan muncul dalam suatu populasi. Pada penelitian ini digunakan 20 kromosom sebagai populasi awal. 2. Seleksi individu. Seleksi individu digunakan untuk memilih individu yang dipertahankan pada generasi berikutnya. Teknik seleksi indvidu yang terpilih adalah metode roulette wheel. Teknik seleksi ini diilustrasikan sebagai teknik pemutaran cakram rolet. Setiap kromosom dalam populasi menempati suatu slot yang besarnya merupakan rasio antara nilai fitness suatu kromosom dengan total nilai fitness dalam populasi. Untuk menghasilkan satu populasi, rolet tersebut diputar sebanyak ukuran populasi yang ada. Individu yang dipilih merupakan kromosom yang memiliki nilai fitness yang baik. Individu dengan nilai fitness yang tinggi akan memiliki peluang lebih besar terpilih. Seleksi dengan metode roulette wheel telah dilakukan pada penelitian mengenai optimasi pemenuhan gizi oleh Rizkita (2011), serta Rismawan dan Kusumadewi (2007). 3. Perhitungan nilai fitness. Fungsi fitness merupakan ukuran baik atau tidaknya suatu kromosom untuk menjadi solusi optimal. Setiap kromosom memiliki nilai fitness yang didapatkan dari perhitungan fungsi fitness. Tabel 5 Kode untuk 5 kelompok makanan yang menjadi representasi kromosom beserta keterangannya Kode kelompok makanan Keterangan P (Pokok) Golongan makanan serelia dan makanan yang mengandung karbohidrat L (Lauk pauk) Golongan makanan lauk-pauk yang mengandung protein hewani dan nabati S (Sayur mayur) Golongan makanan sayuran B (Buah-buahan) Golongan makanan buah-buahan C (Camilan) Golongan makanan selingan/snack

33 21 Menu sarapan Snack pagi dan sore Menu makan siang Menu makan malam P005 L010 S011 B009 C003 C004 P003 L020 S015 B008 P007 L013 S012 B010 Gambar 13 Contoh representasi satu kromosom yang terdiri dari 14 gen dan simbol dari gen merupakan indeks menu makanan, setiap lokus dari gen berisi kelompok makanan untuk setiap waktu makan Semakin besar nilai fitness suatu kromosom maka akan semakin baik kromosom tersebut sebagai solusi optimal. Pada penelitian ini terdapat dua sisi penilaian kebaikan kromosom, yaitu preferensi (rating) pengguna, dan kebutuhan zat gizi. Preferensi pengguna. Pada penelitian ini preferensi pengguna dibagi menjadi tiga kategori. Kategori tersebut berdasarkan penilaian terhadap makanan yaitu suka, biasa, dan tidak suka. Pada fungsi fitness Setiap kategori memberikan bobot rating terhadap makanan. Bobot tersebut diantaranya 0.1, 0.5 dan 1 untuk kategori tidak suka, biasa, dan suka. Kebutuhan gizi. Terdapat anjuran pemenuhan kebutuhan gizi harian. Anjuran tersebut berdasarkan presentase pemenuhan kebutuhan energi untuk setiap waktu makan. Anjuran tersebut ialah 25% untuk sarapan, 30% untuk makan siang, 30% untuk makan malam, dan 15% untuk camilan pagi dan sore. Selain itu anjuran konsumsi per zat gizi yang digunakan pada sistem sebesar 70% untuk karbohidrat, 13% untuk protein dan 15% untuk lemak. Persamaan 4 merupakan rumus penilaian fungsi fitness dari sisi preferensi dan persamaan 5 merupakan rumus penilaian dari sisi kebutuhan zat gizi. Untuk fungsi fitness total pada persamaan 6 merupakan penambahan dari persamaan 4 dan 5. (4) l - l l l (5) Maksimumkan (6) Keterangan : = indeks gen = bobot rating makanan pada gen indeks ke-i = jumlah energi yang dibutuhkan = jumlah energi pada gen indeks ke-i = jumlah karbohidrat yang dibutuhkan

34 22 l l bil_kecil = jumlah karbohidrat pada gen indeks ke-i = jumlah protein yang dibutuhkan = jumlah protein pada gen indeks ke-i = jumlah lemak yang dibutuhkan = jumlah lemak pada gen indeks ke-i = jumlah energi yang dibutuhkan dari makanan sarapan = jumlah energi yang dibutuhkan dari makanan snack = jumlah energi yang dibutuhkan dari makan siang = jumlah energi yang dibutuhkan dari makan malam = bilangan untuk menghindari pembagian dengan nol (Rismawan & Kusumadewi 2007) 4. Cross-Over (Pindah silang). Metode cross-over digunakan untuk menghasilkan individu baru dengan melakukan operasi pertukaran aritmatika pada dua individu yang telah diseleksi. Pada penelitian ini digunakan nilai perluang cross-over sebesar 0.9 dengan teknik two-point cross-over. Teknik two-point cross-over yaitu pemilihan dua titik crossover. Gen-gen dari kromosom awal untuk titik pertama cross-over dipindahkan dari parent pertama, bagian dari the first untuk titik cross-over yang kedua dipindahkan dari parent kedua dan sisanya dipindahkan dari parent pertama. Gambar 14 merupakan contoh two-point cross-over. Proses cross-over secara sederhana dapat dilakukan dengan cara berikut: men-generate nilai peluang (p) diantara range [0, 1], jika nilai peluang lebih besar dari peluang cross-over (p > p c ) maka tidak perlu dilakukan cross-over (proses cross-over langsung berhenti), sebaliknya maka proses cross-over berlanjut, memilih lokasi kromosom secara random, P P005 L010 S011 B009 C003 C004 P003 L020 S015 B008 P007 L013 S012 B011 P P015 L011 S021 B008 C013 C014 P007 L025 S025 B018 P017 L011 S002 B010 C P005 L010 S011 B009 C013 C014 P007 L025 S025 B008 P007 L013 S012 B010 C P015 L011 S021 B008 C003 C004 P003 L020 S015 B018 P017 L011 S002 B010 Gambar 14 Two-point cross-over yang terjadi pada lokus ke 5 sampai ke 9

35 P015 L011 S021 B008 C003 C004 P003 L020 S015 B018 P017 L011 S002 B P015 L011 S021 B008 C018 C004 P003 L020 S015 B018 P017 L011 S002 B010 Gambar 15 Mutasi dengan mengganti nilai pada gen pada lokus ke-5 memilih panjang kromosom yang akan di pindah-silangkan secara random. melakukan proses pindah-silang gen dengan lokasi yang telah ditentukan sebelumnya. 5. Mutasi. Proses mutasi dilakukan pada offspring (kromosom anak) hasil dari proses cross-over. Proses mutasi merupakan proses merubah nilai suatu gen dari suatu kromosom. Dalam pencarian solusi optimum, mutasi sangat diperlukan untuk mengembalikan gen-gen yang hilang pada generasigenerasi sebelumnya dan memunculkan generasi-generasi baru yang belum pernah muncul pada generasi sebelumnya (Gen dan Cheng 1997). Tingkat (peluang) mutasi yang dilambangkan dengan Pm adalah rasio antara jumlah gen yang diharapkan mengalami mutasi pada setiap generasi dengan jumlah gen total dalam populasi. Operator mutasi merupakan operator sekunder, sehingga tingkat mutasi tidak terlalu tinggi Pemilihan nilai tingkat mutasi harus disesuaikan dengan kasus masalahnya, karena hal ini akan mempengaruhi keberhasilan memperoleh solusi optimum. Pada penelitian ini digunakan peluang mutasi sebesar Gambar 15 merupakan contoh mutasi yang terjadi pada gen di lokus ke-5. Mutasi dilakukan dengan mengganti nilai pada lokus terpilih dengan golongan menu yang sama seperti gen sebelum di mutasi. 6. Elitisme. Pada proses menghasilkan generasi baru, tentu saja diharapkan terdapat individu-individu dengan nilai fitness yang lebih besar dibandingkan individu pada generasi sebelumnya. Hal ini bertujuan agar diperoleh individu akhir yang dapat mengoptimasi masalah pencarian ini. Seleksi individu yang menjadi induk untuk offspring dipilih secara acak, sehingga tidak menjamin individu dengan nilai fitness yang tinggi terpilih menjadi induk. Selain itu, meskipun induk dengan nilai fitness yang tinggi terpilih, kemungkinan akan rusak karena proses pindah silang atau mutasi. Oleh karena itu, digunakan mekanisme elitisme yang bekerja dengan menyalin individu yang memiliki nilai fitness yang tinggi di generasi ke-n pada generasi ke-(n+1). Hal ini dilakukan untuk menjaga agar individu dengan nilai fitness tinggi tidak hilang pada setiap generasi. Pada penelitian ini digunakan nilai elitisme sebesar 10% dari total populasi.

36 24 7. Generasi maksimum. Kriteria pemberhentian yang dipilih adalah jumlah generasi maksimum. Pada beberapa penelitian mengenai optimasi pemenuhan gizi dengan algoritme genetika oleh Rizkita (2011), Rismawan dan Kusumadewi (2007) menggunakan jumlah generasi maksimum sebagai kriteria pemberhentian. Pada penelitian ini akan diuji beberapa jumlah generasi maksimum yang akan digunakan. Jumlah generasi maksimum sangat berhubungan dengan lamanya sistem dijalankan. Oleh karena itu peru dicari nilai generasi yang tidak terlalu lama dalam memberikan hasil optimasinya. Implementation (Implementasi) Hasil dan Pengujian Sistem Berdasarkan hasil pengujian menggunakan metode black box, semua fungsi utama sistem dapat berfungsi dengan baik. Dalam menjalankan fungsi-fungsi dari sistem pengguna tidak memerlukan akses internet karena database akan langsung ter-install bersamaan dengan aplikasi. (a) (b) (c) (d) Gambar 16 (a) Antarmuka awal sistem, (b) Antarmuka menu profil gizi, (c) Antarmuka menu pola aktivitas (d) Antarmuka menu kuis sarapan

37 Gambar 16 (a) merupakan antarmuka ketika pengguna pertama kali mengakses sistem. Sistem memiliki dua menu utama yaitu profil gizi dan belajar sarapan. Pada menu profil gizi (Gambar 16 (b)) pertama kali pengguna diminta untuk memasukkan berat badan, tinggi badan, tanggal lahir dan jenis kelamin seperti pada antarmuka. Masukan tersebut akan diolah menjadi status gizi bagi pengguna. Kemudian pengguna dapat melanjutkan mengisi pola aktivitas fisik. Gambar 16 (c) adalah gambar pertama kali pengguna mengisikan aktivitas fisik. Pengguna memilih aktivitas yang dikerjakan selama satu hari. Kemudian pengguna memasukkan lama aktivitas tersebut dalam satu hari (total lama aktivitas 24 jam). Namun, apabila pengguna merasa kesulitan untuk mengisi poa aktivitas fisik ini, pengguna dapat langsung memilih untuk mendapatkan rekomendasi menu sarapan.menu selanjutnya adalah pembelajaran pengetahuan yang terdapat pada Gambar 16 (d). Pengujian Metode Optimasi Pada fungsi rekomendasi menu sarapan belum dapat berjalan dengan efektif, hal ini dikarenakan waktu optimasi dari algoritme genetika masih membutuhkan waktu yang cukup lama tergantung banyaknya generasi yang digunakan dari algoritme tersebut. Oleh karena itu, dilakukan pengujian dengan menggunakan berbagai nilai generasi untuk melihat hubungannya dengan rekomendasi menu yang dihasilkan. Pengujian dilakukan dengan studi kasus pengguna berupa anak SD dengan usia 11 tahun dan berdasarkan kecukupan energi dari tabel AKG yaitu sebesar 2050 kkal. Persentase kebutuhan karbohidrat, protein dan lemak menggunakan 70%, 13% dan 15%. Gambar 17 merupakan grafik perbandingan rataan nilai fitness dari keseluruhan populasi dengan nilai generasi sebanyak 3, 6, dan 11. Dari grafik tersebut terlihat bahwa rataan nilai fitness terbesar terdapat pada nilai generasi 3. Pada Tabel 6 terlihat bahwa pemenuhan kebutuhan sarapan yang paling besar terdapat pada generasi Rataan nilai fitness Rataan nilai fitness Jumlah generasi Gambar 17 Rataan nilai fitness dengan jumlah generasi 3, 6, dan 11

38 26 Tabel 6 Tabel perbandingan rekomendasi menu sarapan dengan jumlah generasi sebanyak 3, 6 dan 11 Energi Total energi % pemenuhan Menu sarapan (kkal) (kkal) kebutuhan sarapan 3 generasi Nasi jagung putih Telur ayam dadar % Daun singkong lodeh 66.0 Belimbing generasi Nasi beras merah Bandeng goreng % Pais oncom 60.0 Jambu air generasi Kentang 71.0 Cumi bumbu cabai % Tumis jagung muda Pisang raja uli 54.7 SIMPULAN DAN SARAN Simpulan Sistem mobile Breakfast-Nutrition dapat memberikan status gizi dan rekomendasi menu sarapan yang sesuai dengan preferensi pada nilai default dan kebutuhan gizi pengguna. Generasi dan jumlah populasi yang digunakan pada metode algoritme genetika sebagai pengoptimasi rekomendasi menu masih terbilang kecil yaitu, 3 generasi dengan 20 populasi di setiap generasi. Walaupun demikian hasil direkomendasikan sistem sudah mencapai kebutuhan gizi pengguna. Saran Sistem mobile Breakfast-Nutrition dapat memberikan rekomendasi menu sarapan seimbang bagi pengguna yang merupakan siswa SD. Sebaiknya untuk menghasilkan tampilan sistem yang sesuai dengan karakteristik siswa SD, maka sebaiknya pada tahap analisis dan perancangan dilakukan wawancara langsung dengan siswa SD. Saran lainnya adalah penambahan fungsi yang dapat merekam data-data dari pengguna seperti berat badan, tinggi badan, tanggal lahir dan aktivitas, sehingga pengguna tidak perlu memasukkan input tersebut ketika ingin mendapatkan rekomendasi. Agar jenis makanan bervariasi sesuai dengan yang biasa dikonsumsi pengguna, sebaiknya ditambahkan fitur update jenis makanan.

39 27 DAFTAR PUSTAKA Aberg J An Evaluation of a Meal Planning System: ease of use and perceived usefulness. Di dalam: Proceedings of the 23rd British HCI Group Annual Conference on People and Computers: Celebrating People and Technology Sep 1-5; Cambridge, United Kingdom. Cambridge (UK):hlm Almatsier S Prinsip Dasar Ilmu Gizi. Jakarta (ID): PT Gramedia Pustaka Utama. Arkeman Y, Seminar KB, Gunawan H Algoritma Genetika. Bogor (ID): IPB Press. [DEPKES] Departemen Kesehatan Pedoman Penyuluhan Gizi Pada Anak Sekolah bagi Petugas penyuluh. Jakarta (ID): Ditjen Bina Kesehatan Masyarakat Direktorat Gizi Masyarakat. Gen M, Cheng R Genetic Algorithms and Engineering Design. US: John Wiley & Sons. Goldberg DE Genetic Algorithms in Optimization, Search, and Machine Learning. New York (US) : Addison Wesley. Gunawan H Aplikasi Algoritma Genetik untuk Optimasi Masalah Penjadwalan Flow-Shop.[skripsi]. Bogor (ID): IPB. Kashima T, Matsumoto S, Ishii H Evaluation of Menu Planning Capability Based on Multi-dimensional 0/1 Knapsack Problem of Nutritional Management System. IAENG International Journal of Applied Mathematics. 39(3): Khomsan A Pangan dan Gizi untuk Kesehatan. Jakarta (ID): PT Raja Grafindo Persada. Khomsan A, Anwar F, Hernawati N, Suhanda NS, Oktarina Tumbuh Kembang dan Pola Asuh Anak. Bogor (ID): IPB Pr. Murniati D Pengetahuan, sikap dan praktik tentang kebiasaan sarapan pada siswa Sekolah Dasar Negeri Kebon Kopi 2 Bogor [skripsi]. Bogor (ID):IPB. Masti SE Keragaan Status Gizi, aktivitas fisik, konsumsi pangan serta tingkat kecukupan energi dan zat gizi anak sekolah dasar di Kota Bogor. [skripsi]. Bogor (ID): IPB. [NIELSEN] Nielsen Mobile Phone Penetration in Indonesia Triples in Five Years. -in-indonesia-triples-in-five-years.html (diakses tanggal 28 Mei 2013) Rismawan T, Kusumadewi S Aplikasi Algoritma Genetika Penentuan Komposisi Bahan Pangan Harian. Di dalam: Seminar Nasional Aplikasi Teknologi Informasi Jun 16; Yogyakarta, Indonesia. Yogyakarta (ID): L- 73 s.d L-76. Satzinger JW, Jackson RB, Burd SD Systems Analysis & Design in a Changing World. Boston (US) : Cengage Learning. Silva BM, Lopes IM, Rodrigues JJ, Ray P SapoFitness: a mobile health application for dietary evaluation. Di dalam: e-health Networking Applications

40 28 and Services (Healthcom), 13th IEEE International Conference Jun 13-15; Columbia, Amerika Serikat. New York (US): hlm [WHO] Growth Reference Data for 5-19 years. growthref/en/ (diakses tanggal 1 Juli 2013) WKNPG Ketahanan Pangan dan Gizi di Era Otonomi daerah dan Globalisasi. Jakarta (ID): LIPI.

41 Lampiran 1 Kurva z-score untuk anak laki-laki umur 5-19 tahun 29

42 30 Lampiran 2 Kurva z-score untuk anak perempuan 5-19 tahun (WHO 2007)