Sad PDF
Sad PDF
Penderita DM dengan terapi insulin sebaiknya terdiri dari tiga kelompok lebah: employed bees,
mampu menghitung jumlah asupan karbohidrat yang onlookers dan scout. Setengah bagian koloni merupakan
sesuai dengan dosis insulin yang diberikan. Untuk setiap employed bees dan setengahnya lagi adalah onlookers.
10g karbohidrat yang dikonsumsi dibutuhkan 1.0-1.5 ml Pada setiap sumber makanan hanya terdapat satu
insulin [1], atau untuk setiap 7-20 (rerata 15)g employed bees. Permasalahan optimasi pertama-tama
karbohidrat yang dikonsumsi dibutuhkan 1ml insulin diubah menjadi permasalahan untuk mencari vektor
[1]. Usia dan berat badan mempengaruhi kebutuhan paramater terbaik yang meminimasikan fungsi tujuan.
insulin untuk karbohidrat yang dikonsumsi. Kemudian lebah-lebah tiruan akan menemukan sebuah
Carbohydrate Counting populasi dari vektor-vektor solusi awal secara acak,
Isu penting pada penderita DM tipe 1 dan 2 dengan selanjutnya memperbaikinya secara iterasi dengan
terapi insulin intensif (Multiple Daily Insulin=MDI) menerapkan strategi: bergerak ke arah solusi-solusi
adalah komposisi karbohidrat dalam energi yang yang lebih baik dengan memanfaatkan sebuah
dibutuhkan harus sebanding dengan unit insulin yang mekanisme pencarian pesekitaran (neighbour search
digunakan. Cara yang diyakini efektif untuk menangani mechanism) dan mengabaikan solusi-solusi yang kurang
masalah nutrisi pada DM dengan terapi insulin adalah baik.
Carbohydrate Counting (carbing), merupakan metode
perencanaan makan bagi penderita DM, pengguna
MDI dengan melakukan penghitungan jumlah gram
atau satuan penukar karbohidrat dalam makanan dan
kudapan.
Beberapa hal yang harus diperhatikan dalam carbing
antara lain (1) Carbing memerlukan perhitungan
dengan fokus kebutuhan insulin dan jumlah total
asupan karbohidrat. (2) Selalu melakukan penyesuaian
perencanaan makan. Carbing memberikan kebebasan
bagi penderita DM untuk meningkatkan kualitas
perencanaan makannya. (3) Selalu mengingat pola
makan sehat dan terjadwal. (4) Walaupun disebut
penghitungan karbohidrat, namun penghitungan asupan
tetap mencakup nutrisi makro (protein, lemak, dan
energi) untuk mempertahankan kualitas asupan yang
sehat dan seimbang.
Aplikasi Carbohydrate Counting
Acuan kebutuhan gizi penderita DM [1] :
Perhitungan energi basal Gambar 1. Tingkah Laku Lebah Mencari Makanan
Laki-laki :
66,5+(13,75 x BBI) + (5 x TB) – (6,78 x umur) Algoritma ini dapat bekerja dengan parameter kontrol
Perempuan : seminimal mungkin yang ditetapkan pengguna dan
655 + (9,56 x BBI)+ (1,85x TB) – (4,68 x umur) menggunakan proses seleksi yang “acak” antara
Faktor aktifitas kandidat dan solusi induk. Parameter kontrol
Bed rest (10%) ; Sangat ringan (20%) ; Ringan
mempengaruhi kinerja algoritma secara signifikan.
(30%) ; Sedang (40%) ; Berat (50%)
Dari penelitian-penelitian terdahulu untuk penerapan
Energi total : energi basal + faktor aktifitas
Komposisi nutrisi makro algoritma koloni lebah buatan ini pada beberapa
Karbohidrat (45 – 65%) ; Lemak (± 25%) ; permasalahan [3]-[5], telah diketahui beberapa
Protein (± 25%) kelebihannya antara lain : (1) Sangat efisien dalam
1 unit insulin = 1 serving karbohidrat = 15 gram mencari solusi optimal, (2) Mengatasi masalah optimasi
carbohydrate. lokal maupun global, (3) Dapat dijalankan dengan
parameter kontrol seminimal mungkin, (4) Remarkable
B. Algoritma Koloni Lebah Buatan robustness, (5) Hasil proses optimasi lebih cepat
Algoritma koloni lebah buatan termasuk jenis dibanding algoritma lain dengan tingkat keberhasilan
algoritma optimasi probabilistik berbasis koloni yang tinggi dan akurat, (6) Kandidat solusi dihasilkan dengan
pertama kali diusulkan oleh Devis Karaboga tahun 2005 operasi sederhana.
untuk mengoptimasi persoalan numerik. Sejatinya Langkah-langkah utama proses optimisasi algoritma
didasarkan pada model perilaku koloni lebah madu koloni lebah buatan diuraikan sebagai berikut [4]:
mencari makanan. Algoritma ini mengerahkan koloni 1. Inisialisasi posisi sumber makanan.
lebah madu tiruan untuk mencari sumber makanan 2. Tentukan sumber makanan lama yang harus
ditinggalkan dan alokasikan lebah pekerjanya sebagai
tiruan yang kaya (solusi-solusi terbaik untuk
scout untuk mencari sumber makanan baru
permasalahan yang ada) dan meninggalkan sumber
berdasarkan pencarian secara acak dengan memakai
makanan (solusi) yang tidak baik [3]. rumus (1).
Pada algoritma koloni lebah buatan, suatu koloni
Jurnal EECCIS Vol.6, No. 1, Juni 2012
31
(1) Diabetes
Mellitus
Koloni Lebah Buatan dalam mengoptimasi nilai acak oleh scout bee sesuai dengan periode
Carbohydrate Counting untuk mendapatkan nilai produksinya.
optimal kadar asupan kalori harian berdasarkan kadar Mencatat nilai terbaik yang dihasilkan oleh
insulin dan kadar energi basal penderita DM. Berikut sumber makanan dalam siklus yang dilakukan.
proses yang terjadi : 4. Menentukan nilai terbaik dari tiap-tiap siklus yang
Prosedur 1 : Setting Parameter telah dilakukan dan menjadikannya sebagai nilai
Pengaturan parameter-parameter yang diperlukan terbaik pada iterasi tersebut.
untuk berlangsungnya proses ini : Proses langkah 1 sampai 4 diulangi sejumlah iterasi
a. Parameter ABC. Parameter yang ditentukan untuk yang ditetapkan, kemudian dicari nilai terbaik dari
melakukan optimasi. Terdiri atas parameter optimasi semua iterasi yang telah dilakukan. Nilai yang didapat
dan parameter acuan ABC. adalah solusi terbaik dalam proses optimasi
Parameter masalah yang akan dioptimasi (d). menggunakan algoritma koloni lebah buatan dalam
Disediakan maksimal 6 jenis menu makanan menentukan serving karbohidrat dan jumlah energi.
yang dapat diasup dalam 1 (satu) kali makan. Realisasi Antarmuka Pengguna
Parameter acuan terdiri atas : Antarmuka sistem dengan pengguna dibuat dengan
Jumlah populasi. program visual Borland Delphi 7 dan telah diusahakan
Siklus maksimum. agar semudah mungkin untuk diaplikasikan oleh
Jumlah iterasi.
pengguna. Tampilan menu terdiri atas tiga bagian yaitu :
Laju perubahan.
(1) menu utama
Scout Production Period (SPP).
(2) sub menu bahan makanan
b. Pengaturan batas atas dan batas bawah (range) dari
(3) sub menu “menu makanan”.
parameter yang dioptimasi.
Prosedur 2 : Iterasi
Dalam satu putaran iterasi terdiri beberapa proses VI. PENGUJIAN DAN ANALISIS SISTEM
berikut : Pengujian dan analisis dilakukan untuk mengetahui
1. Inisialisasi kinerja algoritma koloni lebah buatan pada sistem dalam
Membuat matriks x(i,j) secara acak dengan matriks menghasilkan nilai optimal serving karbohidrat dan
d (parameter optimasi) dan Np (jumlah sumber takaran asupan energi.
makanan). Performansi Sistem
2. Best, melakukan perhitungan solusi terbaik pertama Uji coba sistem bertujuan untuk mengetahui apakah
dari matriks [d,Np] terhadap fungsi utama terbaik, semua bagian menu dapat ditampilkan dan beroperasi
fitness terbaik, dan gangguan terbaik. kemudian dengan baik, dan apakah sistem yang dibuat telah
mencatatnya. memenuhi kebutuhan pengguna. Sistem dikatakan
3. Melakukan pengulangan program di bawah ini beroperasi dengan baik jika kriteria berikut :
sejumlah siklus yang ditentukan untuk medapatkan
A. Menu Utama
hasil terbaik dari seluruh siklus tersebut.
Lebah pekerja, menghasilkan modifikasi posisi Ketika di-klik tombol “hitung” setelah pengguna
sumber makanan baru di lingkungan tetangga, entry data fisik, sistem menampilkan kebutuhan total
mengevaluasi jumlah nektar (fitness value dan energi dan nutrisi makro pengguna. Ketika di-klik
quality) dari sumber makanan baru tersebut dan tombol “ABC”, sistem menampilkan takaran menu
memilih satu solusi terbaik dari yang dihasilkan makanan yang dipilih serta takaran energi dan nutrisi
semua lebah pekerja. Langkah-langkah lebah makro yang sesuai.
pekerja dalam mendapatkan solusi baru sebagai
berikut: B. Sub Menu “Bahan Makanan”
Onlooker bee, Setelah semua lebah bekerja Menampilkan daftar bahan makanan beserta kadar
menyelesaikan proses pencarian, mereka berbagi energi dan nutrisi makro yang terkandung didalamnya
informasi nektar dari sumber makanan dan per 100 gram.
informasi posisi mereka dengan lebah onlooker
C. Sub Menu “Menu makanan”
pada daerah tari dengan menghitung nilai
probabilitas Menampilkan daftar menu makanan yang tersedia
serta bahan makanan dan jumlah yang diperlukan untuk
membuatnya dengan hasil kadar (5-2)
energi dan nutrisi
makro yang diperlukan.
Best, melakukan perhitungan solusi terbaik dari
sumber makanan baru dari matriks [d,Np] Pengujian dan Analisis Algoritma Koloni Lebah
kemudian mencatatnya untuk fungsi utama Buatan dalam Sistem
Untuk melihat kinerja algoritma koloni lebah buatan
terbaik, fitness terbaik, dan gangguan terbaik.
Scout bee, setelah semua onlooker bee pada sistem dalam menghasilkan nilai optimal kadar
didistribusikan maka sumber makanan yang asupan energi harian dengan carbing untuk penderita
tidak layak disingkirkan dan diganti dengan DM, dilakukan pengujian dengan perubahan terhadap
sumber makanan baru yang dihasilkan secara (1) populasi, (2) iterasi, (3) siklus, (4) scout production
period [SPP], (5) laju perubahan [LP]. Data uji (objek)
yang digunakan adalah tinggi Badan (TB) 169 cm, berat proses 2 detik hingga 5 detik.
badan (BB) 62 kg, usia 67 tahun, jenis kelamin pria, 2. Koloni Lebah dengan Perubahan Iterasi
aktifitas ringan dan konsumsi insulin 18 unit per hari. Data uji parameter acuan algoritma koloni lebah
Menu makanan yang ingin diasup oleh penderita DM buatan terlihat pada Tabel V.
di-entry kedalam sistem seperti terlihat dalam Tabel II. Hasil yang didapatkan untuk pengujian dengan
TABEL II TABEL V
DATA DAFTAR MENU UNTUK PENGUJIAN DATA PARAMETER UNTUK UJI UBAH ITERASI
No vertical lines in table. Statements that serve as captions for Hasil yang didapatkan untuk pengujian dengan
the entire table do not need footnote letters. parameter diatas terlihat pada Gambar 9.
a
Gaussian units are the same as cgs emu for magnetostatics; Mx
= maxwell, G = gauss, Oe = oersted; Wb = weber, V = volt, s =
second, T = tesla, m = meter, A = ampere, J = joule, kg =
kilogram, H = henry.
Gambar 7. Grafik ABCO terhadap perubahan Populasi
4. Koloni Lebah dengan Perubahan Scout Production untuk membatasi besarnya perubahan nilai acak pada
Period (SPP) algoritma ini yang nilainya berkisar dari 0 hingga 1.
Data parameter acuan algoritma koloni lebah buatan Semakin besar laju perubahan maka semakin baik nilai
seperti terlihat dalam Tabel VII. optimasi yang didapat.
Dari data-data pengujian dapat diketahui bahwa
TABEL VII
DATA PARAMETER UNTUK UJI UBAH SPP semakin besar nilai populasi, siklus dan iterasi, waktu
yang dibutuhkan dalam mencari optimasi semakin lama.
Percobaan Populasi Iterasi Siklus SPP LP Karena semakin besar populasi maka matriks optimasi
ke-
1 50 20 1000 400 0.9 semakin besar sedangkan semakin besar nilai siklus dan
2 50 20 1000 200 0.9 iterasi maka pengulangan untuk mendapatkan nilai
3 50 20 1000 100 0.9 terbaik semakin banyak. Terjadinya error proses
4 50 20 1000 50 0.9 optimasi pada serving karbohidrat, energi, protein dan
Hasil pengujian terlihat pada Gambar 10. lemak karena ketidaktepatan kombinasi pemilihan menu
dalam satu kali makan, hal ini dapat dilihat dalam tabel
pengujian dengan merubah menu makanan yang
diinginkan (pada makan pagi, siang, malam). Sebagai
contoh: Pada uji makan siang didapat nilai serving
karbohidrat yang paling bagus tetapi kebutuhan protein
dan lemak kurang dari ketentuan, sedang pada uji
No vertical lines in table. Statements that serve as captions for the makan malam didapat nilai protein dan lemak yang
entire table do not need footnote letters. sesuai toleransi tetapi terjadi error pada serving
a
Gaussian units are the same as cgs emu for magnetostatics; Mx =
maxwell, G = gauss, Oe = oersted; Wb = weber, V = volt, s = second,
karbohidrat dengan error rata-rata 3% (dalam batas
T = tesla, m = meter, A = ampere, J = joule, kg = kilogram, H = henry. toleransi)
Dari semua percobaan yang dilakukan untuk masing-
Gambar 10. Grafik ABCO terhadap Perubahan SPP
masing data uji, bisa mendapatkan nilai serving
Semakin kecil nilai Scout Production Period (SPP) karbohidrat dan takaran energi yang optimal (dalam
maka semakin sering scout diproduksi, sehingga area perhitungan). Ketahanan sistem untuk
semakin sering pula terjadi pencarian terhadap sumber mendapatkan nilai optimal adalah baik. Proses optimasi
makanan baru, data menjadi lebih labil dan akibatnya serving karbohidrat terbaik didapat saat setting
nilai optimasi semakin buruk. Jika nilai SPP yang parameter algoritma koloni lebah, pada populasi 50,
diberikan terlalu besar maka periode perubahan untuk iterasi 40, siklus 1000, SPP 100, LP 0,6.
mencari sumber makanan baru terlalu lama karena
produksi scout yang lambat sehingga proses pencarian 6. Verifikasi Sistem
sumber makanan baru tidak lagi optimal. Perubahan Verifikasi bertujuan mengetahui kesesuaian
nilai SPP tidak banyak mempengaruhi waktu proses penerjemahan algoritma koloni lebah buatan untuk
optimasi, rerata waktu proses 15 detik. menemukan nilai optimal serving karbohidrat dan
5. Koloni Lebah dengan Perubahan Laju Perubahan energi dengan standar yang diberlakukan ahli gizi,
Data parameter acuan algoritma koloni lebah buatan dengan membandingkan hasil yang diperoleh sistem
terlihat dalam Tabel VIII. dengan hasil perhitungan ahli gizi. Berikut salah satu
kasus untuk uji verifikasi ini :
TABEL VIII
DATA PARAMETER UNTUK UJI UBAH LP Penderita DM anak N, usia 12 tahun, tinggi badan
137 cm, berat badan 25 kg adalah penderita DM tipe 1.
Percobaan Populasi Iterasi Siklus SPP LP Kegiatan harian anak N adalah sekolah one day school
ke-
1 50 20 1000 100 0.9 dan berolahraga basket seminggu 3 kali. Anak N
2 50 20 1000 100 0.6 menyukai makanan apa saja dan mengkonsumsi susu
3 50 20 1000 100 0.3
satu kali dalam sehari. Anjuran/resep injeksi insulin dari
Hasil pengujian dengan parameter diatas terlihat dokter setiap hari @ 5 unit insulin 3x sehari sebelum
pada Gambar 11. makan. Dengan data tersebut, didapat perhitungan
kebutuhan individu Anak N berupa Berat Badan Ideal
33 kg. Dengan BBI 33 kg, Anak N membutuhkan
energi, serving karbohidrat dan nutrisi makro seperti
terlihat dalam Tabel IX.
No vertical lines in table. Statements that serve as captions for the TABELI X
entire table do not need footnote letters. KEBUTUHAN NUTRISI PENDERITA DM KASUS 1
a
Gaussian units are the same as cgs emu for magnetostatics; Mx =
maxwell, G = gauss, Oe = oersted; Wb = weber, V = volt, s = second, Rincian Kebutuhan Nutrisi Per Hari Per Makan
T = tesla, m = meter, A = ampere, J = joule, kg = kilogram, H = henry.
Energi (kal) + 10% 1751.6 583.87
Karbohidrat (45% s/d 65%) min 197 65.67
Gambar 11. Grafik ABCO terhadap Laju Perubahan Karbohidrat (45% s/d 65%) max 284.6 94.87
Laju perubahan merupakan suatu nilai yang berfungsi Protein (20%) 87.5 29.17
Lemak (25%) 48.3 16.1 perhitungan nilai serving karbohidrat dan energi.
Serving HA 15 5 Penelitian ini juga membuktikan bahwa algoritma
Dengan data perhitungan total energi diatas, contoh koloni lebah buatan bekerja efektif dengan proses yang
perbandingan perencanaan makan yang dapat diasup tidak memakan waktu lama untuk mencari nilai optimal.
oleh Anak N dengan ketentuan harus memenuhi Nilai optimal dapat ditemukan baik dengan merubah
kebutuhan serving karbohidrat, energi dan nutrisi makro jumlah populasi lebah ataupun dengan merubah nilai
yang dihasilkan ahli dan sistem terlihat dalam Tabel X. siklus atau iterasinya. Untuk kasus ini nilai optimal
TABEL X didapatkan dengan setting parameter algoritma koloni
PERBANDINGAN RENCANA MENU PAKAR DAN SISTEM lebah, pada populasi 50, iterasi 40, siklus 1000, SPP
Pakar Sistem 100, laju perubahan 0,6.
Perencanaan Menu Makan
Jmlh (gr) Jmlh (gr) Perencanaan menu makan dengan menggunakan
Total Makan Pagi 560.0 482.1 algoritma koloni lebah buatan dapat menemukan nilai
- Nasi beras putih 60.0 66.3 optimal jumlah serving karbohidrat, jumlah energi serta
- Sop daging 100.0 109.6
takaran nutrisi makro yang dibutuhkan dalam batas
- Omelet 150.0 156.1
- Semangka 250.0 150.1
toleransi, dan jumlah takaran masing-masing menu yang
Total Energi 573.1 kal 585.2 kal boleh diasup dalam hitungan detik. Hal ini menjadi
Total Serving Karbohidrat 5.1 5.0 kelebihan dari sistem ini dibandingkan cara manual
Total Karbohidrat 76.5 75.1 yang membutuhkan waktu lebih lama untuk proses
Total Protein 29.9 31.4 perencanaan menu dengan komposisi optimal.
Total Lemak 16.8 17.7 Sebagai saran, perlu dilakukan penelitian untuk kasus
Total Makan Siang 565.0 501.5
ini (mencari nilai optimal serving karbohidrat untuk diet
- McD Chicken Sandwich (*) 75.0 86.5
- Rolade tahu 50.0 30.0
penderita DM dengan terapi insulin metode carbing)
- Wortel rebus 100.0 66.9 menggunakan algoritma atau metode optimasi jenis
- Buncis rebus 100.0 89.6 lainnya. Sehingga dapat dilakukan perbandingan unjuk
- Sari jeruk 240.0 228.4 kerja masing-masing algoritma atau metode mana yang
Total Energi 584.5 kal 583.8 kal dapat menghasilkan tingkat paling optimal.
Total Serving Karbohidrat 5.0 5.0 Sistem ini juga dapat dikembangkan dengan
Total Karbohidrat 75.6 75.0
ditambahkan sistem penunjang keputusan untuk
Total Protein 27.1 27.7
Total Lemak 18.1 16.9 menentukan kombinasi dan komposisi menu sehingga
Total Makan Malam 500.0 510.8 bisa menghasilkan perencanaan menu makanan dengan
- Mie goreng jawa 200.0 143.1 serving karbohidrat, jumlah energi dan kandungan
- Ikan teri goring 60.0 87.8 nutrisi makro yang optimal dalam komposisi menu yang
- Susu 30.0 30.0 optimal. Dengan pengembangan menjadi sebuah sistem
- Sirsak 210.0 249.9
penunjang keputusan, juga dapat menangani pengaturan
Total Energi 578.0 kal 566.1 kal
Total Serving Karbohidrat 5.0 5.0
atau perencanaan makan untuk penderita DM yang
Total Karbohidrat 75.6 75.1 mengalami komplikasi dengan penyakit lain.
Total Protein 25.8 26.9
Total Lemak 20.71 19.42 DAFTAR PUSTAKA
[1] Soeatmaji, DW. Dkk., (2007), Menghitung Karbohidrat dan
Dengan injeksi 3 x 5 unit insulin sebelum makan Terapi Insulin., Universitas Negeri Malang, Malang.
untuk klien, serving karbohidrat yang dibutuhkan adalah [2] K. Dervis. (2011, December 15), An Idea Based On Honey Bee
Swarm for Numerical Optimization, Technical Report-TR06,
15 unit dalam satu hari atau 5 unit dalam satu kali Erciyes University, Engineering Faculty, Computer Engineering
makan. Maka hal utama yang harus diperhatikan dalam Department, Turkey: Springer-link, 2005.
perencanaan menu makan penderita DM ini yaitu [3] Teodorovic, D., Dell, M. O. (December 15, 2011). Bee colony
optimization – a cooperative learning approach to complex
menemukan komposisi menu makanan yang dapat transportation problems, In Proceedings of 10th EWGT Meeting
memberikan takaran serving karbohidrat sebanyak 5 and 16th Mini EURO Conference, 2005.
unit secara tepat dalam satu kali makan. Ketepatan [4] A. Malik., S. Abdullah. (2011, December 29), Comparison on
the Selection Strategies in the Artificial Bee Colony Algorithm
pemberian serving karbohudrat ini yang sangat berperan for Examination Timetabling Problem., International Journal of
bersama asupan unit insulin untuk mendapatkan kadar Soft Computing and Engineering (IJSCE) ISSN: 2231-2307,
gula darah penderita DM berada pada kondisi normal Volume-1, Issue-5, November 2011.
[5] K. Dervis. (2011, December 15), Artificial bee colony (ABC)
atau stabil. Setelah memenuhi serving karrbohidrat optimization algorithm for solving constrained optimization
secara tepat, perlu dipenuhi kebutuhan energi, protein problems, Advances in Soft Computing: Foundations of Fuzzy
dan lemak, sehingga nutrisi yang dikonsumsi sesuai Logic and Soft Computing, Volume 4529 of LNCS: 789-798,
Springer, Berlin, 2007.
kebutuhan.
[6] Karaboga, D., Basturk, B. (2011, December 29), “On The
Performance of Artificial Bee Colony (ABC) Algorithm”,
VII. KESIMPULAN DAN SARAN Applied Soft Computing, 8(1):687–697, 2008.
[7] Nurhan Karaboga. (2011, December 29), “A New Design
Serangkaian percobaan yang telah dilakukan Method Based on Artificial Bee Colony Algorithm for Digital IIR
menghasilkan kesimpulan bahwa algoritma koloni lebah Filters”, Journal of the Franklin Institute November 2008.
buatan dapat bekerja dengan baik untuk mengoptimasi [8] Suyanto, Algoritma Optimasi. Jogjakarta, Graha Ilmu, 2010,
pp. 190–215.