Abstrak
Kebutuhan gizi sangat diperlukan bagiiibu hamil. Gizi yang baik adalah gizi yang seimbang serta
sesuai dengan kebutuhan. Jika kebutuhan ibu hamil tidak sesuai bisa mengalami Kekurangan Energi
Kronis (KEK). Dengan permasalahan tersebut dibutuhkan suatu sistem untuk pemenuhan gizi ibu
hamil yang dapat memberikan solusi berupa komposisi bahan makanan yang sesuai dengan metode
Hybrid Algoritme Genetika dan Simulated Annealing. Dalam proses penyelesaian permasalahan ini
pada Simulated Annealing atau Genetic Algorithm. Proses hybrid ini pada proses crossover
menggunakan one-cut point, insertion mutation untuk proses mutasi dan penggunaan elitsm pada
tahap seleksi serta Simulated Annealing. Hasil pengujian yang dilakukan sebelumnya diperoleh
parameter dengan metode Hybrid GA dan SA didapatkan nilai parameter-parameter terbaik yaitu
sebesar 100 (ukuran populasi) fitness yang didapat rata-rata 0.06268, nilai 105 ( generasi)
memperolehirata-rata fitnessi0.06823, ikombinasiiCᵣidaniMᵣ dengan nilaii0,4 dengani0,6 nilai
fitnessirata-rataiadalah 0.06792, serta temperaturiawal dengan nilai1 sertaialpha yaitu 0,5 didapatkan
fitness terbaik dengan rata-rata sebesar 0.06800 sertai0.08876. Hasil fitness hibridisasi GA dan SA
mencapai 0,08804 lebih tinggi dari pada nilai rata-rata fitness GA sebesar 0,05519 dan fitness SA yaitu
0,04382 dengan waktu yang ditentukan adalah 1 menit dan kebutuhan yang dihasilkan dari sistem
kurang mencukupi kebutuhan giziiibuihamil.
Kata kunci : ioptimasi, iibuihamil, gizi, algoritme genetika, simulated annealing
Abstract
Nutritional needs are very necessary for pregnant women. Good nutrition is balanced nutrition and
according to needs. If the needs of pregnant women are not suitable can experience Chronic Energy
Deficiency with these problems, a system is needed to fulfill the nutrition of pregnant women who can
provide solutions in the form of food ingredients in accordance with the method of Hybrid Genetic
Algorithms and Annealing Simulation. In the process of solving this problem at Simulated Annealing
or Genetic Algorithm. This hybrid process is in a crossover process using a single intersection,
mutation insertion for the mutation process and the use of elits in the selection and simulation of
Annealing. The previous test results obtained parameters with the Hybrid GA and SA method
obtaining the best parameter value which is equal to 100 (population size) fitness which obtained an
average of 0.06268, the value of 105 (generation) obtained by average fitness0. 06823, i 4 with a
fitness value of 0.6, the average is 0.06792, and the average temperature with a value of 1 and apha is
0.5 obtained by the best fitness with an average of 0.06800 along with 0.08876. The hybridization
suitability of GA and SA reached 0.08804 higher than the average GA suitability value of 0.05519 and
SA suitability which was 0.04382 with a specified time of 1 minute and the requirements generated
from the system were insufficient for the nutritional needs of the pregnant women.
Keywords: optimation, pregnant women, nutrition, genetic algorithm, simulated annealing
bahwa sebagian besar penduduk di indonesia Pada peneliitan ini pada proses crossover
khususnya ibu hamil cukup memperhatikan. menggunakanisingli pointicrossoverisedangkan
Dengan adanya hal tersebut pemerintah sudah pada tahap mutasiidenganiexchangeimutation
berupaya atau mengambil langkahiuntuk sertaielitism digunakanipada tahap seleksi.
menekaniangkaikematianiibuidanibayiidengan Sifatialgoritmaigenetika yaitu konvergen
adanya Jaminan Persalinan (Jampersal). dimanaipopulasinyai tidak lagii dapat
Jampersal tersebut berupa bantuan finasial bagi menghasilkanipopulasiiyangilebihi baiki dari
penduduk miskin atau kurang mampu untuk sebelumnya, idani memungkinkani terjebak
biaya persalinan. Akan tetapi jampersal hingga dalamilokalioptimum. Selain ituiparameter
saat ini masih belum dapat membantu menekan algoritmaigenetika jukaimempengaruhiihasil
AKI dan AKB yang meningkat setiap tahunnya dariioptimasi. Hasiliyang maksimal belumitentu
(Ruslan, 2013). didaptkan dari nulai parameter yang besaridan
tidakimampuimengeksploitasii solusi secara
Asupan gizi yang baik adalah seimbang mendalam. Dalamikekurangan tersebutimaka
atau sesuai dengan kebutuhan. dibutuhkanialgoritmei lain seperti algoritma
Asupanigiziimenghasilkanienergi, transportasi Simulatedi Annealingidapatimengeksploitasi
dan metabolisme (Supriasa, 2002). Kebutuhan solusiisecaraimendalam (Nikjoo et al, 2010).
gizi adalah sumber pokok yang harus tepenuhi. Penelitian lain menggunakanisimulated
Karena jika kebutuhan gizi terpenuhi akan annealing dilakukan oleh Shiddig (2015)
berdampak baik pada kesehatan ibu hamil. dengan permasalahan penjadwalan produksi
Kebutuhan gizi tersebut berasal dari beberapa untuk meminimasi makespan diperoleh hasil
bahan makanan yang beragam misalkan adalah dari penelitian tersebut lebih baik yaitu dengan
brokili, kangkung, ayam dll. Didalam tubuh didapatkan makespan 370 menit dibandingkan
untuk dapat melakukan aktifitas atau kegiatan dengan makespan dari perusahaaan. Algoritma
sehari-hari diperlukan energi. Sumber energi simulated annealing mempunyai kelebihan
diperoleh dari gizi pada bahan makanan yang pada solusi yang dihasilkan dengan pencarian
dikonsumsi. Bahan makanan bervariasi masing- optimum global. Perkembangan dari beberapa
maisng mempunyai harga yang beragam dari penelitian untuk memaksimalkan hasil solusi
harga mahal hingga murah. Oleh karena itu akhir yaitu dengan menggabungkan genetic
tidak semua kebutuhan gizi terpenuhi. Beberapa algorithm dan simulated annealing (Hamidah,
hal yang mengakibatkan tidak terpenuhinya 2016) untuk permasalahan optimasi komposisi
kebutuhan gizi antara lain latar belakang makanan bagi keluarga. Hasil dari penelitian
pendidikan, faktor ekonomi dll (Brown, 2005). tersebut diperoleh solusi optimal dengan bahan
Dengan latar belakang kurang mampu makanan yang bervariasi serta kandungan pada
terkadang ibu hamil mengalami kendala untuk bahan tersebut cukup memenuhi kebutuhan
penenuhan kebutuhan gizi karena harga bahan keluarga dan dapat menghemat biaya konsumsi
makanan dipasar berada pada harga yang tinggi makanan dalam satu hari sebesar 42,13%.
dan berdampampak kurangnya asupan gizi bagi Pada penelitian ini menggabungkan antara
ibu hamil. Terdapat perbedaan antara penilaian algoritma genetika dengan simulated annealing
status gizi wanita tidak hamil dengan mengoptimasi kebutuhan gizi yang
ibuihamilidenganiwanitaihamil. iOlehikarena diperoleh dariibahanimakananibagiiibuihamil.
itu perlu adanya sebuahi sistemiuntuk Setiap bahan mkanan memilikiikandungan gizi
menentukanikomposisi makanan yangs sesuai antara lain energi, lemak, proteinidan
dengan kebutuhaan gizi ibu hamil. karbohidratt. Hybridisimulatediannealingidan
Metode algoritma genetika dari algoritmaigenetikaimencakupibeberapaiproses
beberapa penelitan sudah banyak digunakan dasar, iyaituigenerateipopulasi, ievaluasi,
khususnya untuk permasalahan optimasi. seleksiielitism, isertaifitness. iPadai proses
Algorima genetika menghasilkan solusi dengan operasiialgoritmai genetika menggunakan
pencarian pada optimum lokal. Penelitan crossoveridanimutasiisedangkanioperasii pada
tersebut salah satunya dilakukan oleh Sari simulatediannealingimenggunakanimutasiidan
(2014) dan diperoleh solusi terbaik atau fitness prosesiannealing. iImplementasiimetodeihybrid
tertinggi dengan nilai parameter 1500 untuk simulatediannealingidani algoritmai genetika
jumlah generasi, 150 untuk nilai populasi serta padaioptimasiikebutuhanigiziibagii ibui hamil
crossover dengan nilaii 0,4 sertainilai
diharapkani dapati menghasilkanipemenuhan
probabiltasidanimutasi yaitu pada nilaii0,6.
nutrisiiyangibaikidenganibiayai ataui harga
Fakultas Ilmu Komputer, Universitas Brawijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4042
Keti: i∆fi=iSelisihinilaiicost
Ti=iTemperaturiSekarang
δi=iBilanganiRandomiantarai0-1
Gambar 5 Proses mutasi P2
4.6 Seleksi Jikainilaiirandomimempunyaiinilaiilebihibesar
Proses akhir algoritma genetika dalam dibandingkaniprobabilitasiBoltzman, makaiakan
menentukan solusi terbaik adalah dengan terjadiipenurunanitemperatur. Berikutiadalah
melakukan proses seleksi pada setiap persamaanipenurunanitemperatur.
kromosom dalam populas serta akan terplih Ti₀+n = iαi xiTs (15)
induk yang nantinya akan di proses pada tahap
selanjutnya. Seleksi dilakukan untuk memilah Keti: Ti₀+n i=iTempearturiiterasiiberikutnya
individu-individu terbaik yang sebelumnya αi=iAlpha
individu tersebut sudah dilakukan proses
perhitungan nilai fitness. Elitis adalah metode Tsi=iTemperaturiSekarang
yang dipilih pada proses seleksi ini untuk
Temperaturiakaniberhentiijikaitemperature akhir
menyeleksi individu mana yang akan lolos
sudahimencapaiiakhir. Detailitahapan tersebut
tahapan berikutnya berdasaarkan hasil fitness
yang diperoleh dari pemilihan nili fitness seperti Gambar 7 :
tertinggi ke terendah sebanyak popsize yang
awalnya sudah ditentukan.
5.5 Analisis Hasil Pengujian Brown, J.e., 2005. Subdit Gizi Klinis,
Berdasarkan Gambar 7 menunjukkan Departemen Kesehatan Indonesia.
perbandingan antara kebutuhan gizi rekomendasi Jakarta
dari sistem masih kurang mencukupi dari Hamidah, C.P., Cholissodin, I., & Nurwansito,
kebutuhan gizi ibu hamil semestinya dalam 1 H., 2016. Optimasi Susunan Bahan
hariSebelumnya telah dilakukan pengujian dari Makanan Untuk Pemenuhan Gizi
parameter terbaik pada proses hybrid dengan Keluarga Menggunakan Hybrid
jumlah populasi sebanyak 100, Cr sebesar 0,4, Algoritma Genetika Dan Simulated
dan nilai Mr terbaik yaitu 0,6, sedangkan untuk Annealing. DORO : Repository Jurnal
T0 didapatkan terbaik pada nilai 1 dan alpha Mahasiswa PTIIK Universitas
sebesar 0,5 serta jumlah generasi sejumlah 1500 Brawijaya, vol.8, no.26
dengan inputan data ibu hamil yang digunakan
adalah berat badan sebanyak 55 kg, tinggi badan Mahmudy, W.F., 2013. Algoritma Evolusi.
160 cm, dan usia kehamilan yang menginjak usia PTIIK. Universitas Brawijaya
10 minggu dan aktivitas fisik sangat ringan. Mahmudy, W.F., 2014. Improved simulated
annealing for optimization of vehicle
routing problem with time windows
(VRPTW). Kursor, Vol. 7, No. 3, Pp.
Gambar 8 Hasil 109-116.
Nikjoo, R. S., Sadeghi, S. H. H., & Moini, R.
6. KESIMPULAN 2010. “A Hybrid Genetic- Simulated
Hybridialgoritmai genetikai dani simulated Annealing Algorithm for Optimal
annealingi yangiditerapkanipadaipenelitianiini Design of Grounding Grids with Rods”.
dimulaiipadaitahap algoritma genetika yaitu Asia-Pasific Power and Enegry
inisialisasi kromosom serta menggunakan Engineering Conference, pp. 1-4.
crossover dan mutasi untuk melakukan