Implementasi Algoritma Particle Swarm Optimization (PSO) untuk Optimasi Pemenuhan Kebutuhan Gizi Balita

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol., No., November 207, hlm Implementasi Algoritma Particle Swarm Optimization (PSO untuk Optimasi Pemenuhan Kebutuhan Gizi Balita Leni Istikomah, Imam Cholissodin 2, Marji Program Studi Teknik Informatika, 2 marji@ub.ac.id Abstrak Balita adalah anak dengan rentang umur - tahun. Menurut Riskesdas, pada tahun 2007, 200, dan 20 presentase kasus kekurangan gizi cenderung meningkat terutama pada balita. Upaya perbaikan gizi balita telah dilakukan pemerintah melalui Posyandu untuk memonitoring dan memberikan pelayan lebih terhadap balita. Kebutuhan gizi orang Indonesia telah diatur dalam pedoman gizi seimbang yang dikeluarkan oleh Kementerian Kesehatan RI, termasuk pedoman gizi untuk memenuhi kebutuhan gizi pada balita. Namun, pada pedoman gizi tersebut hanya menyediakan nilai dari kandungan gizi setiap bahan makanan sehingga menyulitkan petugas Posyandu untuk memberikan variasi menu agar sesuai dengan kebutuhan gizi balita. Pada penelitian ini memberikan rekomendasi variasi bahan makanan secara otomatis selama 7 hari kali makan dengan menggunakan proses optimasi dari algoritma Particle Swarm Optimization yang dapat memudahkan Posyandu dan orang tua balita dalam menyediakan makanan sehari-hari sesuai kebutuhan gizi balita. Berdasarkan hasil pengujian, parameter yang paling optimal adalah Jumlah Partikel=0, Wmin=0.4, Wmax= 0.7, C =2, C 2=., Jumlah Iterasi=40 dan Batas Atas angka permutasi sebesar 7 menghasilkan rata-rata selisih energi, protein, lemak dan karbohidrat sebesar 6.04%, -8.08%, 2.8% dan 2.98% yang mampu menghemat pengeluaran orangtua balita sebesar 28.6%. Kata Kunci: Particle Swarm Optimization, optimasi, gizi, balita, bahan makanan. Abstract Toddlers are children with - years age range. According to Riskesdas, in the year 2007, 200, and 20 the percentage of cases of malnutrition tends to increase, especially in toddlers. In the fulfillment of nutrients, one type of food alone is not enough so it requires a variety of food ingredients that contain all the elements of nutrients. Efforts to improve child nutrition have been done by the government through Posyandu to monitor and provide more servants to toddlers. Nutrition needs of Indonesian people has been set in the guidelines of Pedoman Gizi Seimbang by the Ministry of Health Republic Indonesia, including nutritional guidelines to meet the nutritional needs of infants. However, the nutritional guidelines only provide the value of the nutrient content of each foodstuff, making it difficult for Posyandu staff to provide menu variations to fit the needs of children according to their health condition. In this research give recommendation of variation of foodstuff automatically by using optimization process of Particle Swarm Optimization algorithm so that it can facilitate Posyandu and parents of toddlers in providing daily food according to the nutritional needs of toddlers. Based on the test results, the most optimal parameter is the number of particles = 0, Wmin = 0.4, Wmax = 0.7, C = 2, C 2 =., Number of iterations = 40 and Upper Limit Permutation number of 7 resulting in average energy, protein, fat and carbohydrate difference of 6.04%, -8.08%, 2.8% and 2.98% which can save parents toddlers by 28.6%. Keywords: Particle Swarm Optimization, optimization, nutrition, child, food.. PENDAHULUAN Gizi adalah hal yang penting dan sangat perlu diperhatikan pada setiap manusia. Pemberian gizi yang cukup akan membantu perkembangan dan pertumbuhan otak seorang anak (Santoso, Seorang anak dikatakan balita jika rentang umurnya - tahun (Mitiyani, 200, istilah umumnya adalah anak dibawah Fakultas Ilmu Komputer Universitas Brawijaya 2

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 22 lima tahun (Muaris, Tingkat konsumsi yang diberikan pada tubuh sangat mempengaruhi kesehatan gizi. Tingkat Konsumsi pangan masyarakat Indonesia cenderung dibawah standar (Kemenkes, 204. Pada tahun 2007, 200, dan 20 presentase kasus kekurangan gizi cenderung meningkat. Umumnya kelompok usia yang menderita kurang gizi adalah balita. Kurang kalori, protein, yodium, zat besi, vitamin, dan mineral merupakan penyebab utama balita kurang gizi (Santoso, Prevalensi anak balita kurang gizi (underweight tahun 2007 sebesar 8,4%, tahun 200 sebesar 7,9%, dan tahun 20 sebesar 7,2% (Kemenkes, 204. Sehingga balita membutuhkan tingkat konsumsi yang cukup agar terhindar dari kekurangan gizi. Kekurangan gizi akan mengakibatkan sulitnya memperbaiki kualitas bangsa (Widjaja, Upaya perbaikan gizi balita telah dilakukan pemerintah dengan menyediakan pelayanan kesehatan untuk monitoring kesehatan balita yang dapat dilakukan di posyandu. Posyandu merupakan perpaduan antara pos keluarga berencana desa, pos imunisasi, pos timbang, pos vaksinasi, dan pos kesehatan desa yang dikenal dengan kegiatan lima meja. Posyandu merupakan pos yang tepat sebagai solusi mempertahankan kesehatan balita (Santoso, Posyandu Gladiol 4 desa Wringin Agung Kab. Jember memiliki program untuk memenuhi gizi balita dalam bentuk saran dan peringatan. Saran yang diberikan oleh posyandu berupa bahan makanan yang dapat dikonsumsi oleh balita tersebut agar menambah berat badan dan meningkatkan kesehatan. Dalam memberikan rekomendasi bahan makanan, petugas harus mengingat dan membuka pedoman bahan makanan yang dianjurkan oleh DEPKES RI sehingga membutuhkan waktu yang lama terkadang hanya diberikan menumenu atau bahan makanan yang dapat dikonsumsi secara umum (tidak sesuai kondisi balita. Adanya kendala tersebut, membuat posyandu membutuhkan sistem cerdas yang dapat membantu petugas dalam merekomendasikan bahan makanan sesuai kondisi kesehatan gizi balita. Tubuh manusia membutuhkan zat gizi yang diperlukan oleh tubuh untuk tumbuh dan berkembang. Tumbuh berati bertambahnya materi tubuh seorang anak dan berkembang berati terjadinya kemajuan fungsi, kapasitas fisiologis badan atau organ badan. Dalam pemenuhan zat gizi, satu jenis makanan saja tidak cukup sehingga memerlukan variasi bahan makananan yang mengandung semua unsur zat gizi (Alhamda & Sriani, 204. Begitu pula dengan balita yang merupakan masa emas tumbuh dan berkembang yang memerlukan begitu banyak zat bergizi. Nilai kecukupan gizi yang diperlukan oleh masyarakat Indonesia, termasuk balita diatur dalam Tabel AKG (Angka Kecukupan Gizi. Dalam hal ini, teknologi optimasi pemenuhan kebutuhan gizi balita akan membantu memberikan solusi dengan cara menghitung kebutuhan gizi yang diperlukan oleh setiap balita dengan acuan berat badan, tinggi badan dan umur. Pengukuran pertumbuhan Berat Badan(BB, Tinggi Badan(TB dan umur dapat membantu mengetahui status gizi balita yang selanjutnya dapat diketahui variasi bahan makanan dalam memenuhi kebutuhan gizi balita(santoso, Berdasarkan uraian di atas, penulis mengajukan penelitian dengan judul Implementasi Algoritma Particle Swarm Optimization (PSO Untuk Optimasi Pemenuhan kebutuhan Gizi Balita. 2. LANDASAN KEPUSTAKAAN 2. Balita Balita merupakan kelompok anak dibawah lima tahun yang memiliki tingkat pertumbuhan dan perkembangan yang sangat cepat (Sutomo, 204. Gambar menunjukkan perkembangan balita dari umur 0- tahun. Gambar. Perkembangan Balita Menurut RSCM dan PERSAGI (200. Penuntun DIIT Anak, terdapat beberapa perhitungan dalam menentukan kebutuhan energi dan zat gizi seorang Balita. Persamaan untuk menghitung kebutuhan energi dan zat gizi setiap Balita (- tahun dapat dilihat pada Persamaan ( untuk menghitung BBI (Berat Badan Ideal, Persamanan (2 dan Persamaan ( untuk menghitung Kebutuhan Energi, Persamaan (4 untuk menghitung Kebutuhan

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2 Protein, Persamaan ( untuk menghitung Kebutuhan Lemak dan Persamaan (6 untuk menghitung Kebutuhan Karbohidrat. BBI = (umur ( Keb. Energi = 00 kalori (umur tahun (2 kg Keb. Energi = 90 kalori (umur 4 tahun ( kg Keb. Protein = (0% Keb. Energi 4 (4 Keb. Lemak = (20% keb. energi 9 ( Keb. Karbohidrat = (70% keb. energi 4 (6 2.2 Prosedur Algoritma PSO Ada beberapa prosedur yang harus dilakukan untuk menerapkan Algoritma PSO dalam menyelesaikan masalah menurut Santoso (20:. Insialisasi partikel dan membangkitkan kecepatan secara random Inisialisasi partikel dapat menggunakan pengkodean yang bertujuan menyederhanakan masalah. Dalam pengkodean masalah, Sulistiowati (206 menggunakan angka permutasi dalam merepresentasikan nilai dimensi dan selanjutnya dimensi tersebut akan dikonversi kedalam indeks bahan makanan. Konversi nilai dimensi menjadi Indeks Bahan Makanan ditunjukkan pada Persamaan (7. indeks dimensi ke i = ((x ( y + (7 z Keterangan: x = jumlah anggota jenis bahan makanan ke-i y = nilai dimensi ke-i z = batas atas angka permutasi Jika diketahui jumlah anggota PH (Protein Hewani = 40 dan batas atas=6, maka indeks dimensi ke = (40 ( = Bahan makanan yang direkomendasikan pada dimensi adalah bahan makanan berjenis protein hewani dengan nomor indeks. 2. Evaluasi partikel dengan cara membandingkan nilai fitness Nilai fitness digunakan sebagai acuan untuk menentukan Gbest dan Pbest. Pada penelitian yang dilakukan oleh Eliantara (206 nilai fitness menggunakan Persamaan (8. Fitness =. const +. const2 + PenaltiGizi Total Harga variasi (8 const dan const2 merupakan penyeimbang nilai fitness karena perhitungan variasi menghasilkan angka puluhan. const digunakan untuk pembagian PenaltiGizi sedangkan const2 digunakan untuk pembagian total harga dengan nilai konstanta const = dan konstanta const2 = Mencari Pbest Mencari Pbest dilakukan dengan cara membandingkan nilai Pbest sebelum dan sesudah Iterasi. Jika nilai fitness partikel baru lebih besar dari fitness Pbest sebelumnya maka partikel tersebut dijadikan Pbest terbaru. 4. Mencari Gbest sebagai partikel terbaik dari seleruh anggota swarm Nilai Gbest didapatkan dari nilai fitness Pbest tertinggi.. Memperbarui Kecepatan (Velocity dan posisi partikel Nilai velocity didapatkan dari penjumlahan momentum dan pengalaman yang diambil dari Gbest dan Pbest. Momentum didapatkan dengan cara mengkalikan bobot inersia dan kecepatan sebelumnya. Untuk menentukan nilai velocity dapat melihat Persamaan (9. Untuk menghitung bobot inersia dapat dilihat pada Persamaan (0. V J k = WV J k + C rand (Pbest j X j k + C 2 rand 2 (Gbest j X j k (9 W = Wmax Wmax Wmin x iter (0 iter max Keterangan: V J k = velocity dimensi ke-j pada Iterasi ke-k W= bobot inertia C = nilai koefisien akselerasi ke- C 2= nilai koefisiean Akselerasi ke-2 rand = nilai random [0, ] X j k = posisi dimensi ke-j pada Iterasi ke-k Pbest j= nilai Pbest dari dimensi ke-j Posisi terbaru dapat diperoleh dari hasil penjumlahan Posisi sebelumnya dengan Kecepatan baru. Menghitung posisi terbaru menggunakan Persamaan ( dibawah ini:

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 24 X j k+ = X j k + V j k+ ( 6. Melanjutkan langkah ke-2 jika stopping condition belum terpenuhi. METODOLOGI Dalam melakukan penelitian ini tahap pertama adalah melakukan studi literatur yang berhubungan dengan objek penelitian. Tahap selanjutnya adalah pengumpulan data, analisis kebutuhan, perancangan sistem, implementasi, pengujian dan analisis. Tahap terakhir adalah penarikan kesimpulan. Data Balita diperoleh dari Posyandu Jember dan wawancara pakar ahli gizi balita (Ummu Ditya Erliana, S.Gz., M.Sc.. Data daftar harga didapatkan berdasarkan survey dari penelitian sebelumnya oleh Felia Eliantara tahun 206. Perancangan sistem secara umum ditunjukkan pada Gambar 2 yang terdiri dari Input, Proses dan Ouput. Proses Implementasi Algoritma Particle Swarm Optimization (PSO untuk Pemeneuhan Kebutuhan Gizi Balita dapat dilihat pada Gambar. Input Nama, umur, berat badan, tinggi badan Proses PSO Gambar 2. Perancangan Sistem Output Rekomendasi Bahan Makanan Mulai Data Balita, Parameter PSO Hitung Kebutuhan Gizi Balita Inisialisasi Populasi Awal For i= to itermax Update Kecepatan Update Posisi dan Hitung fitness Update Pbest Update Gbest i Partikel Terbaik Selesai Gambar. Diagram Alir Penyelesaian Optimasi Pemenuhan Kebutuhan Gizi Balita menggunakan algoritma PSO. Input Data Data yang dibutuhkan dalam proses penyelesaian Optimasi adalah menggunakan data balita dan parameter PSO. Contoh data balita dapat dilihat pada Tabel. Data Balita dan Parameter PSO dapat dilihat pada Tabel 2. Parameter PSO. Tabel. Data Balita Umur BB TB Nama (tahun (kg (cm Celsi.6. 96

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2 Tabel 2. Parameter PSO Jumla h C C2 rand rand2 Partike l Hitung Kebutuhan Gizi Iterm ax Wmin Wm ax Bat as Atas Sebelum menghitung kebutuhan gizi, perlu diketahui Berat Badan Ideal seorang balita. Contoh perhitungan Berat Badan Ideal: BBI = ( =.2 kg Setelah mendapatkan BBI, kebutuhan energi balita dapt dihitung dengan Persamaan (2. Berikut ini contoh perhitungan kebutuhan energi dan kebutuhan gizi balita: Keb. Energi = 00 kalori.2 kg kg = 20 kalori Keb. Protein = (0% 20 kalori 4 = 8 gram Keb. Lemak = (20% 20 kalori 9 =.8 gram Keb. Karbohidrat = (70% 20 kalori 4 = 266 gram. Insialisasi Populasi Awal.. Inisialisasi Kecepatan Awal Setiap partikel memiliki kecepatan dan kecepatan awal setiap partikel di set dengan nol...2 Inisialisasi Partikel Inisialisasi Partikel merupakan cara untuk mendapatkan nilai dimensi dan untuk menyederhanakan masalah. Pada penelitian ini masalah direpresentasikan dalam bilangan permutasi dimana setiap bahan makanan diwakili satu dimensi oleh setiap partikel sehingga terdapat 89 dimensi berdasarkan dari 7 hari kali makan dan 9 jenis bahan makanan. Jenis Bahan Makanan berjumlah 97 yaitu berdasarkan jenis bahan makanan Protein Hewani sebanyak 40, Protein Nabati sebanyak, Lemak sebanyak 2, Karbohidrat sebanyak 7, Sayuran jenis A sebanyak 0, Sayuran Jenis B sebanyak 2, Gula sebanyak 6, Buah sebanyak 40 dan Susu sebanyak 7. Contoh nilai dimensi dapat dilihat pada Tabel. Tabel. Contoh Inisialisasi Partikel Partikel Nilai Dimensi Fitness X PH PN SA SB X Inisialisasi Pbest dan Gbest Pada awal Iterasi, nilai Pbest disamakan dengan posisi awal partikel dan nilai Gbest didapatkan dari nilai fitness Pbest yang tertinggi. Contoh inisilisasi Pbest dan Gbest dapat dilihat pada Tabel 4 dan. Tabel 4. Contoh Inisialisasi Pbest Pbest Nilai Dimensi Fitness Pbest Pbest Tabel. Contoh Inisialisasi Gbest Gbest Nilai Dimensi Fitness Gbest Update Kecepatan Untuk menghitung kecepatan baru dapat menggunakan Persamaan (9, namun sebelum menghitung kecepatan baru perlu diketahui nilai w yang dapat dilihat pada Persamaan (0. Berikut ini contoh update kecepatan dan menghitung nilai w pada iterasi=: W = x = 0. 2 V = WV + C rand (Pbest X + C 2 rand 2 (Gbest X V = ( (46 8 = 22.2 Tabel 6 menunjukkan hasil perhitungan Update Kecepatan pada partikel X dan X2. Tabel 6. Hasil Perhitungan Update Kecepatan V Iterasi =

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 26 V Pada Tabel 9 menunjukkan nilai fitness terbesar adalah dari Pbest, sehingga Gbest iterasi= adalah nilai dimensi dari Pbest.. Update Posisi dan Hitung Fitness Dalam menghitung update posisi menggunakan Persamaan ( contoh menghitung update posisi: X j k+ = X j k + V j k+ X 0+ = X 0 + V 0+ = = 40 Hasil update posisi dapat dilihat pada Tabel 7 dibawah ini: X X2 Tabel 7. Contoh Hasil Update Posisi Iterasi = Jika penalti dan total harga Partikel X yang didapat adalah 72. dan Penalti dan Total Harga Partikel X2 adalah dan Sedangkan variasi Partikel X dan Partikel X2 adalah 26 dan 0, maka: Fitness(x, = = 9. Fitness (x2, = = 90.0 Setelah melakukan update posisi dapat melakukan Normalisasi Posisi, digunakan agar perpindahan posisi tidak melebihi range yang telah ditentukan. Pada contoh perhitungan ini menggunakan batas bawah = dan batas atas = 6, sehingga apabila ada perpindahan posisi yang melebihi batas atas maka di set menjadi 6 dan apabila kurang dari batas bawah maka posisi di set menjadi..6 Update Pbest dan Gbest Nilai Pbest baru didapatkan dengan cara membandingkan nilai fitness partikel baru dan fitness Pbest sebelumnya. Nilai fitness terbesar dijadikan sebagai Gbest terbaru. Contoh hasil Update Pbest pada iterasi= dan Update Gbest pada iterasi= dapat dilihat pada Tabel 8 dan Tabel 9 yang membutuhkan Nilai fitness terbaru daru Update Posisi pada iterasi=. Pbest Pbest Pbest 2 Tabel 8. Hasil Update Pbest Iterasi= Nilai Dimensi (posisi Tabel 9. Hasil Update Gbest Fitnes s Iterasi= Gbest Nilai Dimensi (posisi Fitness Gbest Hasil Optimasi Hasil optimasi didapatkan dari Gbest pada iterasi terakhir, dapat dilihat pada Tabel 0 Hasil Optimasi. Hari ke- Waktu Makan Tabel 0. Hasil Optimasi Nama Bahan Makanan Jumlah Keb. Berat (g Harg a Pagi Daging Kambing Kacang.7 7. Tanah Kupas Minyak Kelapa Nasi 7 00 Ketan Putih Labu Air 7 40 Daun 7 0 Kecipir Siang Putih Telur Ayam Kacang Tolo Keju Krim Nasi Ketan Hitam Total Harga Perhar i Slada Daun 20 0

7 Rata-rata Waktu (menit Rata-rata Fitness Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 27 Pepaya Mala Ikan m Kakap Kacang 7 0 Tolo Minyak Kelapa Krekers Lobak Daun 0 0 Pepaya 2 Pagi Usus Sapi Oncom 0 0 Mayonnais 40 e Makaroni 7. 2 Ketimun 7 40 Bit Siang Otak Pete Segar Minyak Zaitun Roti Putih Slada Daun 20 0 Mangkoka n Malam Telur Ayam Kacang Kedele Mayonnais 2 60 e Krekers Kangkung Kol 0 2. Total Harga Halaman Rekomendasi Bahan Makanan. Gambar. Halaman Rekomendasi Bahan Makanan 4. HASIL DAN PEMBAHASAN 4. Hasil Pengujian Jumlah Partikel Semakin banyak jumlah partikel maka semakin tinggi nilai fitness dan semakin lama waktu komputasi yang dihabiskan Pengujian Jumlah Partikel Jumlah Partikel Gambar 6. Grafik Hasil Pengujian Jumlah Partikel Halaman Hasil Optimasi menunjukkan hasil dari proses perhitungan dari algortima PSO. Halaman Hasil Optimasi ditunjukkan pada Gambar 4. 2,6 2,,6, 0,6 0, Pengujian Jumlah Partikel Jumlah Partikel Gambar 7. Gafik Hasil Waktu Komputasi berdasarkan Jumlah Partikel Gambar 4. Halaman Hasil Optimasi Pada halaman hasil Optimasi akan mendapatkan nilai fitness tertinggi dan partikel yang terbaik. Halaman Rekomendasi Bahan Makanan menampilkan hasil rekomendasi dari partikel terbaik berupa daftar nama bahan makanan selama 7 hari untuk kali makan yaitu pagi, siang dan malam. Gambar menunjukkan Berdasarkan Gambar 6 dan 7 dapat diambil kesimpulan bahwa jumlah partikel 0 merupakan jumlah partikel paling optimal dengan waktu komputasi sebesar.44 menit atau sebesar menit 44 detik yang tidak terlalu kecil jumlah partikelnya dan tidak terlalu lama waktu komputasinya.

8 Rata-rata Fitness Rata-rata Waktu (menit Rata-rata Fitness Rata-rata Fitness Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Hasil Pengujian Kombinasi Wmin dan Wmax Semakin besar rentang selisih antara nilai Wmin dan Wmax dapat menyebabkan nilai W semakin besar, sehingga daya eksplorasi swarm akan menyuluruh yang dapat memberikan solusi terbaik. Kombinasi Wmin dan Wmax yang dianggap dapat memberikan solusi terbaik untuk penyelesaian masalah adalah 0.4 dan 0.7. Grafik Hasil Pengujian Kombinasi Wmin dan Wmax dapat dilihat pada Gambar Gambar 8. Grafik Hasil Pengujian Kombinasi Wmin dan Wmax 4. Hasil Pengujian Koefisien Akselerasi Pengujian Koefisien Akselerasi digunakan untuk mengetahui pengaruhnya terhadap nilai fitness. Grafik hasil pengujian dapat dilihat pada Gambar Pengujian Kombinasi Wmin dan Wmax Wmax;Wmin Pengujian Koefisien Akselerasi ; ;, ;2, ;,;,,;2 2; 2;, 2;2 C;C2 Gambar 9. Grafik Hasil Pengujian Koefisien Akselerasi Berdasarkan Grafik diatas, nilai C dan C 2 sebesar 2 dan. merupakan koefisien yang cukup optimal untuk digunkan dalam menyelesaikan permasalahan. Koefisien tersebut dianggap dapat mempengaruhi nilai fitness yang sangat tinggi, sehingga dapat membuat eksplorasi pencarian semakin optimal. semakin tinggi nilai fitness. Dalam pemilihan jumlah iterasi yang optimal dapat mempertimbangkan waktu komputasi yang diperlukan dalam proses optimasi, karena dalam percobaan ini waktu komputasi paling cepat sebesar.6 menit atau menit 6 detik Gambar 0. Grafik Hasil Pengujian Jumlah Iterasi,80,0 8,80 6,0,80,0 Pengujian Jumlah Iterasi Jumlah Iterasi Pengujian Jumlah Iterasi Jumlah Iterasi Gambar. Gafik Hasil Waktu Komputasi berdasarkan Jumlah Partikel Berdasarkan Gambar 0 dan menghasilkan jumlah iterasi optimal sebesar 40 dengan waktu komputasi selama 6 menit 2 detik yang dapat dikatakan, tidak terlalu lama apabila dibandingkan dengan waktu konsultasi pada dokter/ahli gizi atau konsultasi pada petugas Posyandu. 4. Hasil Pengujian Batas Atas Angka Permutasi Berdasarkan hasil pengujian maka didapatkan batas angka permutasi yang optimal adalah 7. Gambar 2 menunjukkan Grafik Hasil Pengujian Batas Atas Angka Permutasi. 4.4 Hasil Pengujian Jumlah Iterasi Semakin banyak jumlah iterasi maka

9 Rata-rata Fitness Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 29 Gambar 2. Grafik Hasil Pengujian Batas Atas Angka Permutasi Semakin besar batas angka permutasi akan mengakibatkan nilai fitness yang semakin kecil. Hal ini dikarenakan nilai konversi indeks yang digunakan mengandung nilai lebih besar dari jumlah terbesar indeks bahan makanan yaitu 2, sehingga dapat mengurangi total variasi. 4.6 Hasil Analisis Global Berdasarkan parameter optimal, dilakukan pengujian terhadap 0 data balita yang diambil secara acak yang dapat dilihat pada Tabel. Selisih kebutuhan gizi aktual dengan kandungan gizi pada makanan ditunjukkan pada Tabel 2. Rata-rata harga per hari didapatkan dari Total Harga dibagi 7 hari, selisih harga dapat dihitung selisih antara rata-rata harga per hari pada sistem dengan rata-rata harga per hari yang dikeluarkan oleh orangtua balita. Rata-rata yang harus dikeluarkan oleh para orangtua hasil rekomendasi sistem adalah sebesar Rp.2,00.6 dan rata-rata Total Harga yang harus dikeluarkan selama 7 hari adalah Rp.7, Nama Pengujian Batas Atas Angka Permutasi Tabel. Kebutuhan Gizi Aktual Umur (tahun Energi (kkal Range Protei n (gram Lemak (gram Karbohidra t (gram Balita Balita Balita Balita Balita Balita Balita Balita Balita Balita Nama Tabel 2. Kandungan Gizi Bahan Makanan Rekomendasi Sistem Selisih Energi (kkal Balita 28.2 (4.08 % Balita (28.68 % Balita 48.9 (. % Balita (4.96% Balita 6.2 (2.09 % Balita (2.68% Balita (2.6 % Balita % Balita (26.98 % Balita 0 Ratarata 28.6 (.2 % (6.04 % Selisih Protei n (gram %. (9.% (2.82 % %. (4.2% %.8 (4.42% % 2.2 (6.0% % %. KESIMPULAN Selisih Lemak (gram (2.66% 7.0 (2.0 % (2.6 % %.4 6 (7.29 % % 0.4 (.08% % (8.2 % 0.9 (2.7% 0.87 (2.8% Selisih Karbohi drat (gram 7. (24.% 92. (.24% 0 (7.7%.9 (8.% 78. (.9%.6 (9.2% 69.9 (2.88% 29 (.% 84.6 (.% 7. (2.8% (2.98% Selisih Harga 8,60.7 (2.89% 9,20.92 (26.0% 2,6.0 0 (6.0% 8,4.7 (2.84%,.7 (.7% 9,040.7 (2.8%,977.0 (9.9% 8,0.26 (2.00% 8,047.4 (22.99%,9.4 (.97% 9,996.4 (28.6%. Implementasi algoritma PSO untuk optimasi Pemenuhan Kebutuhan Gizi Balita dapat dilakukan dengan cara inisialisasi partikel awal secara random, setelah mendapatkan nilai partikel dapat melakukan konversi nilai partikel kedalam indeks bahan makanan, hasil konversi digunakan untuk mengetahui nama bahan makanan, berat dan harga. Setelah tahap-tahap tersebut maka dapat dhitung fitness, Update Kecepatan, Update Posisi, Update Pbest dan Gbest. Gbest pada iterasi terakhir dijadikan sebagai Hasil Optimasi. 2. Parameter Algoritma PSO sangat berpengaruh terhadapat hasil Optimasi Pemenuhan Gizi Balita. Parameter PSO yang dianggap optimal dalam menyelesaikan masalah adalah jumlah partikel=0, Wmin=0.4, Wmax= 0.7, C =2,

10 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 0 C 2=., Jumlah iterasi=40, Batas Atas angka permutasi sebesar 7. Berdasarkan parameter optimal dapat menghasilkan ratarata selisih energi, protein, lemak dan karbohidrat sebesar 6.04%, -8.08%, 2.8% dan 2.98% yang mampu menghemat pengeluaran orangtua balita sebesar 28.6%. DAFTAR PUSTAKA Alhamda, S., & Sriani, Y Buku Ajar Ilmu Kesehatan Masyarakat (IKM. Yogyakarta: Deepublish. Almatsier, Sunita Prinsip Dasar Ilmu Gizi. Felia, Eliantara, Cholissodin, I., & Indriati Implementasi Algoritma Particle swarm Optimization dalam Optimasi Pemenuhan Kebutuhan Gizi Keluarga.S.Universitas Brawijaya. Kementerian Kesehatan. 20. Peraturan Menteri Kesehatan Republik Indonesia No.7 Tahun 20. [Online]. Tersedia di: < [Diakses pada tanggal November 206]. Mahmudy, W.F. 20. Modul Algoritma Evolusi Semester Ganjil Universitas Brawijaya Malang. Mitiyani Buku Saku Ilmu Gizi. Jakarta: Tim. Muaris, H Sarapan Sehat Untuk Anak Balita. Jakarta : PT Gramedia Pustaka Utama. Perkembangan Balita. [Online]. Tersedia di: [Diakses pada tanggal Mei 207]. Permenkes RI Pedoman Gizi Seimbang. Rumah Sakit RSCM dan PERSAGI Penuntun DIIT Anak. Jakarta : PT Gramedia Pustaka Utama. Santosa, Budi & Willy, Paul. 20. Metoda Metaheuristik, Konsep dan Implementasi. Surabaya: Graha Ilmu. Santoso, Soegeng, Dr., M.Pd & Anne Lies Ranti, Dra. M.Pd. Kesehatan dan Gizi. Jakarta: PT Asdi Mahasatya. Sulistiowati, F., Cholissodin, I., & Marji Optimasi Penyusunan Bahan Makanan Sehat untuk Pemenuhan Gizi Keluarga dengan Algoritma Evolution Strategies. S. Universitas Brawijaya Malang. Sutomo, B Menu Sehat Alami untuk Batita dan Balita. Jakarta: Demedia. Widjaja, dr., W.C Gizi tepat untuk perkembangan otak dan kesehatan balita. Kawan Pustaka.