Penerapan Algoritma Genetika Untuk Optimasi Asupan Gizi Pasien Diet Khusus Dengan Biaya Minimal

Ketika bahan makanan pokok naik, maka akan diikuti pula kenaikan harga bahan makanan lain. Hal ini menyebabkan orang-orang yang sedang menjalani pengontrolan pemenuhan kebutuhan gizi harus mengeluarkan biaya lebih banyak untuk mencukupi kebutuhan gizinya. Untuk mengatasi permasalahan tersebut, dapat diatasi dengan mengganti atau mengkombinasikan bahan makanan yang mahal dengan bahan makanan yang murah dengan tetap menjaga asupan gizi yang sesuai kebutuhan. Pada penelitian ini digunakan metode algoritma genetika dengan menerapkan pengkodean floating point, whole arithmetic crossover, uniform mutation, dan elitism selection untuk membantu menentukan kombinasi berat bahan makanan yang memenuhi kebutuhan gizi berdasarkan data pasien, komposisi bahan makanan, dan batasan biaya yang dimasukkan pengguna. Hasil dari pengujian parameter algoritma genetika banyak generasi menunjukkan bahwa semakin banyak generasi belum tentu akan diikuti dengan bertambahnya nilai fitness. Begitu juga pada ukuran populasi, semakin besar ukuran populasi belum tentu akan diikuti dengan bertambahnya nilai fitness. Hal ini dikarenakan pembangkitan awal individu (starting point) yang dilakukan secara random dalam proses algoritma genetika. Sedangkan hasil dari pengujian kombinasi parameter probabilitas crossover (P_c) dan probabilitas mutasi (P_m) menunjukkan bahwa semakin besar nilai P_c (semakin kecil nilai P_m), maka nilai fitness cenderung semakin tinggi. Namun, jika P_c terlalu besar dan P_m terlalu kecil maka akan menghasilkan nilai fitness yang sangat rendah. Hasil dari pengujian 10 studi kasus diketahui sistem dapat menghasilkan nilai gizi didalam batas toleransi terhadap kebutuhan gizi dengan lengkap sebanyak 9 studi kasus pada ukuran populasi 250, banyak generasi 2500, P_c 0,9, dan P_m 0,1, sedangkan hasil konsultasi dari ahli gizi sebanyak 1 studi kasus. Metode algoritma genetika yang digunakan pada penelitian ini memberikan hasil yang lebih baik dibandingkan dengan metode random search pada penelitian sebelumnya