Jurnal Komposisi Makanan Hipertensi PDF
Jurnal Komposisi Makanan Hipertensi PDF
net/publication/317577121
CITATIONS READS
0 2,579
2 authors:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Wayan Firdaus Mahmudy on 14 June 2017.
Abstrak
Hipertensi merupakan gejala utama penyebab penyakit lain muncul seperti penyakit tidak menular,
kanker, diabetes. Salah satu upaya hidup sehat pada penderita hipertensi yaitu konsumsi makanan sehat
yang memperhatikan kadar garam dalam makanan. Komposisi makanan dengan memperhatikan kadar
garam dan sekaligus biaya pada makanan dapat dilakukan menggunakaan algoritme Variable
Neighborhood Search (VNS). Data yang digunakan pada penelitian ini yaitu 103 data makanan yang
terdiri dari makanan pokok, sayur, sumber nabati, sumber hewani dan buah. VNS mempunyai 3 tahap
setelah membangkitkan solusi awal yaitu shaking, local search dan move or not. Hasil pengujian
menunjukkan bahwa rata-rata fitness tertinggi sebesar yaitu 0.516848 dengan nilai Kmax = 13 dan rata-
rata fitness terbesar yaitu 0.524301 dengan jumlah iterasi local search 2000. Jumlah Kmax dan iterasi
local search yang terlalu banyak tidak menjamin solusi dengan fitness yang besar diperoleh namun
jumlah Kmax atau iterasi local search yang banyak dapat memberikan kesempatan pencarian yang lebih
luas. Hasil dari penelitian berupa komposisi makanan dengan kandungan gizi yang mendekati kebutuhan
penderita hipertensi dengan memperhatikan kadar garam natrium dan biaya minimal dalam waktu
sehari.
Kata kunci: variable neighborhood search, optimasi, komposisi makanan, hipertensi
Abstract
Hypertension is a major symptom that cause other diseases appear such as noncommunicable diseases,
cancer, and diabetes. One of healthy life effort in the patients with hypertension is a healthy food that
attentions level of salt in foods. The food composition with attentions level of salt and cost of the food
can use Variable Neighborhood Search (VNS) algorithm. The data which are used for this study are
103 data food that consists of staple foods, vegetables, vegetable sources, animal sources and fruits.
VNS have 3 stages after generate initial solution, there are shaking, local search and move or not. The
results of Kmax and local search’s testing show that the average of highest fitness is 0.516848 with
Kmax = 13 and the highest average fitness is 0.524301 with 2000 iterations. Kmax and local search
iterations that too much not guarantee a solution with great fitness is obtained but many Kmax numbers
or local search iterations can give wider search opportunities. The result of this study contains
composition of foods with nutrients which are close to the needs of hypertension patients with attentions
the natrium and minimal cost within a day.
Keywords: variable neighborhood search, optimization, food composition, hypertension
menular, sedangkan pada tahun 2007 penyebab penelitian tersebut, batasan (constraint)
utama kematian adalah penyakit tidak menular diberlakukan pada setiap nutrisi yang harus
(PTM). Hipertensi termasuk jenis penyakit tidak dikontrol dimana setiap batasan mempunyai
menular. Indonesia mempunyai presentase model matematika masing-masing. Penggunaan
penderita hipertensi tertinggi pada orang dewasa linear programming menyebabkan terdapat
setelah Myanmar dalam lingkup Asia Tenggara banyak pembatas (constraint) dan model
(WHO, 2011). Daerah di Indonesia dengan matematika sehingga menyebabkan perhitungan
penderita hipertensi terbanyak misalnya di kota yang tidak praktis dan panjang (Taha, 1993
Malang dengan jumlah 58.046 kasus (Dinas dalam Mahmudy, 2006). Permasalahan tersebut
Kesehatan Kota Malang, 2014). Hal yang sama dapat diatasi dengan penggunaan metode
juga terjadi di kabupaten Klaten, hipertensi metaheuristik.
merupakan penyakit yang diderita terbanyak Penggunaan metode metaheuristik pada
diantara penyakit tidak menular lainnya yaitu optimasi komposisi makanan telah dilakukan
42.375 jiwa untuk hipertensi essensial dan sebelumnya dengan menerapkan algoritma
17.204 jiwa untuk jenis hipertensi yang lain genetika. Penelitian sebelumnya dilakukan oleh
(Dinas Kesehatan Kabupaten Klaten, 2013). Pratiwi, et al (2014) tentang optimasi biaya
Penelitian tentang prevalensi hipertensi pemenuhan kebutuhan gizi. Hasil penelitian ini
telah banyak dilakukan di Indonesia yang diperoleh parameter optimal yaitu banyak
menunjukkan hipertensi merupakan masalah generasi sebesar 500 generasi, dan banyak
kesehatan masyarakat yang diperlukan populasi yaitu 40 populasi, nilai probabilitas
penanganan secara optimal agar mengurangi crossover dan probabilitas mutasi yaitu 0,4 dan
mortalitas dan morbiditas (Mustamin, 2010), 0,6. Penggunaaan algoritma genetika juga
selain itu penanganan yang segera dilakukan dilakukan pada optimasi komposisi makanan
bertujuan untuk menghindari penyakit menjadi untuk penderita diabetes melitus oleh Rianawati
lebih parah (Rahman, 2016). Konsumsi terlalu & Mahmudy (2015). Pada penelitian ini
banyak garam, alkohol, obesitas, kurangnya menerapkan single-point crossover, reciprocal
olahraga yang kemudian berakumulasi dengan exchange mutation dan elitism selection. Hasil
faktor usia merupakan pemicu meningkatnya penelitian ini menjelaskan ukuran populasi yang
tekanan darah (WHO, 2009), oleh karena itu optimal sebesar 160 individu, ukuran generasi
penanganan pada penderita hipertensi salah yang optimal yaitu 100 generasi dan kombinasi
satunya dapat dilakukan dengan konsumsi cr dan mr sebesar 0.4 dan 0.6. Sari, et al (2014)
makanan sehat yang rendah garam dan lebih juga menerapkan metode algoritma genetika
banyak aktifitas fisik (American Heart untuk optimasi asupan gizi pada ibu hamil. Pada
Association, 2014). Selain itu, menurut ahli gizi, penelitian ini menggunakan single point
penyebab tingginya kasus hipertensi di crossover, reciprocal exchange mutation, dan
Indonesia salah satunya adalah kurangnya elitism selection. Hasil dari pengujian
pengetahuan penderita tentang pemenuhan gizi didapatkan bahwa ukuran populasi dengan nilai
dari komposisi makanan yang dikonsumsi pada fitness tertinggi yaitu 150, jumlah generasi 1500,
setiap harinya. nilai probabilitas crossover 0,4 dan probabilitas
Penyusunan komposisi makanan untuk mutasi 0,6. Penggunaan algoritma genetika pada
penderita hipertensi dapat dilakukan dengan cara beberapa penelitian optimasi komposisi
manual atau dengan menggunakan software. makanan sudah banyak diterapkan dan
Penyusunan makanan dengan cara manual lebih memberikan hasil yang optimal. Namun disisi
sulit dilakukan karena jumlah kalori dalam lain pada algoritma genetika terdapat banyak
komposisi makanan harus disesuaikan dengan parameter yang digunakan sehingga diperlukan
kebutuhan penderita, sedangkan penyusunan waktu yang lebih lama dalam menentukan nilai
makanan dengan software dapat dilakukan lebih parameter yang optimal, seperti ukuran populasi,
mudah yaitu dengan menggunakan optimasi jumlah generasi dan kombinasi cr dan mr.
dapat dilakukan pencarian komposisi makanan Metode metaheuristik lainnya dengan
yang lebih disesuaikan dengan kebutuhan jumlah parameter yang sedikit yaitu Variable
asupan gizi penderita hipertensi. Neighborhood Search (VNS). VNS termasuk
Penelitian sebelumnya tentang optimasi metode yang sederhana karena hanya
komposisi makanan untuk penderita hipertensi menggunakan dua parameter dalam
pernah dilakukan oleh Iwuji, et al (2016) dengan pengimplementasiannya yaitu jumlah tetangga
menerapkan metode linear programming. Pada dan termination condition (Mahmudy, 2015).
Pada VNS terdapat beberapa fase yaitu fase Untuk menghitung BMR dapat dilakukan
Shaking, teknik local search dan fase dengan persamaan 1 jika penderita
peningkatan (Move or Not). VNS berhasil hipertensi laki-laki atau persamaan 2 untuk
menyelesaikan permasalahan pada beberapa penderita hipertensi perempuan.
penelitian seperti permasalahan penjadwalan
BMR laki-laki = 66,5 + (13,75×BB) +
(Expósito-Izquierdo, et al., 2011), (Aziz, et al.,
(5,003× TB ) – (6,755×U) (1)
2012), optimasi peningkatan struktur beton
BMR perempuan = 655,1 + (9,563×
(Torres-Machi, et al., 2013), dan permasalahan
BB) + (1,850×TB) − (4,676×U) (2)
pada Flexible Manufacturing System (FMS)
Keterangan:
(Mahmudy, 2015).
BB = Berat badan (kg)
Berdasarkan pentingnya optimasi komposisi
TB = Tinggi badan (cm)
makanan untuk penderita hipertensi dan
U = Usia (tahun)
algoritme VNS yang sederhana serta dapat
c. Menghitung Kebutuhan Energi
menyelesaikan beberapa permasalahan, maka
Kebutuhan energi dihitung menggunakan
pada penelitian ini penulis mangajukan optimasi
persamaan 3. Didalam kebutuhan total
komposisi makanan untuk penderita hipertensi
energi dipengaruhi oleh BMR, faktor
menggunakan Variable Neighborhood Search.
aktivitas seseorang dan faktor stress.
2. NUTRISI UNTUK PENDERITA Penentuan faktor aktivitas ditunjukkan oleh
HIPERTENSI Tabel 2 dan faktor stress ditunjukan oleh
Tabel 3.
Penyusunan komposisi makanan pada Kebutuhan total energi = BMR×
penderita hipertensi diharapkan dapat Faktor Aktivitas×Faktor Stress (3)
menurunkan tekanan darah. Rata-rata penurunan
konsumsi natrium sebanyak ± 1,8 gram/hari Tabel 2. Faktor Aktivitas
dapat menyebabkan tekanan darah sistole Aktivitas Laki-laki Perempuan
menurun sebesar 4 mmHg dan diastole 2 mmHg.
Sangat ringan 1,30 1,30
Pada penderita hipertensi konsumsi garam dapur
harus kurang dari 1⁄4 - 1⁄2 sendok teh/hari. Ringan 1,65 1,55
Anjuran diet rendah garam I (200-400 mg Sedang 1,76 1,70
Natrium) untuk hipertensi berat dan tidak Berat 2,10 2,00
menambahkan garam didalam masakan. Diet Sumber: Almatsier (2006)
rendah garam II (600-800 mg Natrium) untuk
hipertensi yang tidak terlalu berat. Sedangkan Tabel 3. Faktor Angka Stress
untuk hipertensi berat berlaku diet garam III
Faktor
(1000-1200 mg Natrium) (Wahyuningsih, Jenis Stress
Stress
2013). Berdasarkan JNC VII tekanan darah Tidak ada strees, pasien dalam
dapat diklasifikasikan dalam 4 kategori seperti 1,3
kondisi baik
yang ditunjukkan oleh Tabel 1.
Stress ringan 1,4
Tabel 1. Klasifikasi Tekanan Darah Stress sedang 1,5
Klasifikasi Stress berat 1,6
Tekanan Tekanan
tekanan Penghub Stress sangat berat 1,7
darah darah
darah ung
sistole diastole Luka bakar parah 2,1
Normal < 120 dan < 80 Sumber: Almatsier (2006)
Prehipertensi 120-139 atau 80-89
Hipertensi
140-159 atau 90-99 d. Kebutuhan penderita hipertensi
stage 1
Hipertensi Menurut ahli gizi, pada penderita hipertensi
≥ 160 atau ≥ 100 dibutuhkan 65% karbohidrat, protein 15%,
stage 2
dan lemak 20% dari total kebutuhan energi.
Perhitungan kebutuhan energi dan zat gizi Kebutuhan zat gizi karbohidrat dihitung
dapat dilakukan dengan langkah sebagai berikut: dengan persamaan 4, kebutuhan lemak
a. Menghitung Indeks Massa Tubuh (IMT) dapat dihitung dengan persamaan 5, dan
dan berat badan ideal (BBI). kebutuhan protein dapat dihitung
b. Menghitung Basal Metabolic Rate (BMR) menggunakan persamaan 6.
Shaking (x’)
Diagram alir pertukaran pada tahap
shaking ditunjukkan oleh Gambar 3.
Local search (x’’)
Mulai
Ya x = x’’
x’’ > x k=1
Nilai tentangga k
Solusi awal
Tidak
x=x
k = k+1 I=0, I < jumlah
tetangga k
Ya
Selesai ya
gen=genAll[k]
pointer=pointer[k]
ya
solusiShaking[gen[pointer[i]]] =
solusi[gen[pointer[i]]] Pilih gen x [i]
Selesai
Fitness solusi awal ya
Gambar 3. Flowchart Shaking > fitness solusi
hasil perubahan
local search
b. Tahap local search Solusi awal =
solusi awal
Tahap ini menggunakan solusi dari tahap tidak
shaking (x’) sebagai solusi awal. Perubahan Ganti solusi awal = solusi
dari local search
nilai x berada pada rentang sekitar nilai x
awal dengan nilai peubah 1. Pada tahap
local search dilakukan perbandingan
Solusi local search
fitness solusi pada iterasi sebelumnya
dengan fitness dari solusi mutakhir pada Selesai
setiap iterasi untuk dicari solusi yang lebih
baik. Diagram alir tahap local search Gambar 4. Flowchart Local search
ditunjukkan oleh Gambar 4.
c. Tahap Move or Not.
Contoh mekanisme tahap local search
ditunjukkan oleh Tabel 7 dan Tabel 8. Mekanisme pada tahap ini yaitu
Tabel 7. Solusi Sebelum Dilakukan Local Search
membandingkan fitness antara solusi awal
dengan hasil solusi local search (x’’). Jika
Jenis Makan Makan Makan fitness solusi awal lebih baik maka solusi
menu Pagi siang malam
awal digunakan sebagai solusi selanjutnya
PK 3 20 13 dan merubah nilai k = 1, sebaliknya jika
S 1 3 10
N 2 12 11 solusi dari local search lebih baik daripada
H 16 6 3 solusi awal maka solusi local search yang
B 16 18 22
akan digunakan sebagai solusi selanjutnya
Tabel 8. Solusi Setelah Dilakukan Local Search dan merubah nilai k menjadi k = k+1.
Jenis Makan Makan Makan Diagaram alir tahap Move or Not
menu Pagi siang malam ditunjukkan oleh Gambar 5
PK 3 20 13
S 1 3 10
N 2 12 11 Mulai
H 16 6 3
B 16 18 21 Fitness solusi awal, Fitness
solusi local search, k=1
Mulai
ya
Nilai iterasi local search, Fitness solusi Ganti solusi
Solusi awal (solusi Shaking) awal [k]> fitness awal = solusi
solusi hasil local awal
search [k] k = k+1
i i drat k n
0,4
1 0.085 1.7703 6.399 9.1136 0.3512
0,3 2 0.6333 8.0401 0.1194 0.9080 0.2274
0,2 3 1.6798 2.8415 2.6399 1.9995 0.2633
0,1
Dari analisis hasil yang dilakukan terhadap
0 3 kasus dengan data penderita hipertensi yang
250 500 750 1000 1250 1500 1750 2000 berbeda-beda didapatkan kesimpulan bahwa
Jumlah Iterasi
hasil rekomendasi sistem berhasil memberikan
Gambar 7. Grafik Hasil Pengujian Iterasi Local kombinasi makanan rendah natrium yaitu tidak
search
melebihi batas maksimum konsumsi natrium
Hasil pengujian jumlah iterasi local search yang dibolehkan pada masing-masing penderita.
ditunjukkan oleh Gambar 7. Hasil pengujian Keterpenuhan gizi dari hasil sistem untuk
jumlah iterasi local search terhadap nilai fitness pemenuhan kebutuhan kalori, karbohidrat,
menunjukkan bahwa nilai fitness mengalami lemak dan protein masih dalam batas toleransi
peningkatan namun mengalami penurunan pada ±10% yang diperkenankan dalam penyusunan
iterasi tertentu yaitu iterasi 750, 1500 dan 1750. gizi dengan selisih yang tidak terlalu besar
Grafik menunjukkan bahwa rata-rata fitness dengan kebutuhan gizi penderita. Namun
tertinggi pada penggunaan iterasi 2000 yaitu keterpenuhan gizi hasil sistem tidak selalu
0.524301 dengan perubahan rata-rata nilai menghasilkan rekomendasi yang sesuai dengan
fitness yang kecil. Hasil pengujian menunjukkan kebutuhan gizi penderita. Hal ini dikarenakan
bahwa semakin banyak iterasi local search tidak nilai kriteria pada penalti setiap zat gizi dan
menjamin semakin baik nilai fitnessnya (dalam besarnya variabel harga mempengarui nilai
percobaan berbeda), hanya saja semakin banyak fitness yang diperoleh. Tetapi secara umum hasil
iterasi local search memberikan peluang yang sistem memberikan total gizi yang masih dalam
lebih besar terhadap pencarian solusi terbaik batas toleransi ±10% yang diperkenankan dalam
dimana bergantung pada perubahan solusi dari penyusunan gizi sehingga disimpulkan hasil
solusi terbaik pada iterasi local search sistem memenuhi kebutuhan gizi penderita
sebelumnya dengan perubahan fitness yang tidak hipertensi secara optimal.
terlalu besar. Namun dalam satu percobaan
semakin bertambah iterasi semakin memberikan 6. KESIMPULAN DAN SARAN
solusi dengan nilai fitness lebih besar karena a. Kesimpulan
solusi terbaik dalam setiap iterasi selalu dipilih
Kesimpulan dari penelitian tentang optimasi
untuk solusi awal pada iterasi selanjutnya
komposisi makanan untuk pnderita hipertensi
dengan waktu komputasi yang lebih lama. Selain
yaitu, sebagai berikut:
itu, semakin banyak iterasi local search semakin
memberikan peluang juga terhadap seleksi 1. Sistem optimasi komposisi makanan untuk
penderita hipertensi dirancang dan
fitness yang terpilih dari pencarian solusi dari
local search. dibangun dengan menggunakan algoritma
Variable Neighboorhood Search (VNS).
c. Analisis Hasil Pada sistem ini membutuhkan data diri
penderita hipertensi dan nilai parameter
Pada sub bab analisis hasil ini dianalisis
algoritma VNS sebagai inputan awal untuk
keterpenuhan kebutuhan gizi dari hasil
dilakukan pencarian solusi.
rekomendasi sistem pada beberapa penderita
2. Pada metode VNS terdapat 4 tahap yaitu
hipertensi. Pengujian analisis hasil dilakukan
inisialisasi solusi awal, Shaking, Local
dengan 3 kasus penderita hipertensi. Nilai
search, dan Move or Not. Inisialisasi solusi
parameter yang digunakan pada analisis hasil
awal dilakukan dengan merandom bilangan
menggunakan nilai yang menghasilkan fitness
integer sebanyak 15 sesuai dengan jenis
tertinggi pada pengujian yaitu Kmax = 13 dan
makanan yang akan digunakan dalam 1 hari
iterasi local search = 2000. Hasil analisis pada 3
atau 3 waktu yaitu pagi, siang, dan
kasus ditunjukkan oleh Tabel 9.
sore/malam. Kemudian pada tahap shaking,