Penjadwalan Pola Makan Bagi Penderita Diabetes Mellitus Menggunakan Metode Genetic Algorithm
i
PENJADWALAN POLA MAKAN BAGI PENDERITA
DIABETES MELLITUS MENGGUNAKAN
METODE GENETIC ALGORITHM
SKRIPSI
VANESA FELICIA
111402038
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PENJADWALAN POLA MAKAN BAGI PENDERITA
DIABETES MELLITUS MENGGUNAKAN
METODE GENETIC ALGORITHM
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
VANESA FELICIA
111402038
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PENJADWALAN POLA MAKAN BAGI
PENDERITA DIABETES MELLITUS
MENGGUNAKAN METODE GENETIC ALGORITHM
Kategori
: SKRIPSI
Nama
: VANESA FELICIA
Nomor Induk Mahasiswa
: 111402038
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Romi Fadillah Rahmat, B.Comp.Sc M.Sc
M. Fadly Syahputra, B.Sc., M.Sc IT
NIP. 19860303 201012 1 004
NIP. 19830129 200912 1 003
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PENJADWALAN POLA MAKAN BAGI PENDERITA DIABETES MELLITUS
MENGGUNAKAN METODE GENETIC ALGORITHM
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing- masing telah disebutkan sumbernya.
Medan, 21 April 2016
VANESA FELICIA
111402038
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
berkat dan pengasihan-Nya yang sungguh berlimpah, sehingga penulis dapat
menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi
Informasi Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Penyelesaian skripsi ini juga tidak terlepas dari bantuan berbagai pihak. Untuk
itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada Bapak
M.Fadly Syahputra B.Sc.,M.Sc.,IT dan Bapak Romi Fadillah Rahmat B.Comp.Sc., M.Sc
selaku dosen pembimbing yang telah banyak meluangkan waktu dan pikiran untuk
memberikan motivasi, kritik, dan saran kepada penulis. Penulis juga mengucapkan
terima kasih yang sebesar-besarnya kepada Ibu Amalia, ST., MT dan Bapak Ainul
Hizriadi, S.Kom., M. Comp. Sc yang telah bersedia menjadi dosen pembanding yang
telah memberikan kritik dan saran kepada penulis. Penulis juga mengucapkan terima
kasih kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M.
Anggia Muchtar, ST., MM.IT dan Bapak M.Fadly Syahputra B.Sc.,M.Sc.,IT, dan juga
seluruh Dosen dan Staff pegawai di Program Studi S1 Teknologi Informasi.
Penulis juga tidak lupa mengucapkan terima kasih kepada kedua orang tua
penulis yang telah memberikan dukungan moril dan spiritual, alm Drs. Maruli
Simanjuntak (+) dan Dra. Elisabeth Sutan. Kepada abang penulis Yorry Franky
Simanjuntak, ST, kepada kakak penulis Sri Swastika, SP, dan juga keponakan penulis
Zevany Argyaziva Richelle Simanjuntak yang turut juga memberikan motivasi dan
dukungan kepada penulis.
Terima kasih juga penulis ucapkan kepada teman-teman penulis yang setiap saat
selalu memberikan motivasi dan dukungan kepada penulis. Terutama penulis ucapkan
terima kasih kepada Dian Aria Ningsih, teman seperjuangan penulis dalam pencarian
data-data untuk menyelesaikan tugas akhir ini. Terima kasih juga penulis ucapkan kepada
seluruh teman-teman seangkatan 2011, kepada abang, kakak dan adik di jurusan
Teknologi Informasi yang tidak dapat disebutkan satu per satu.
Akhir kata, penulis ucapkan terima kasih kepada semua pihak yang telah
membantu menyelesaikan skripsi ini yang tidak dapat penulis sebutkan satu persatu.
Semoga Tuhan Yang Maha Esa membalas kebaikan kalian semua.
Universitas Sumatera Utara
v
ABSTRAK
Diabetes Melitus (DM) merupakan salah satu masalah kesehatan yang berdampak pada
produktivitas dan menurunkan mutu sumber daya manusia. Penyakit diabetes melitus
dapat dikontrol dengan cara menjaga dan mengatur pola hidup yang sehat dan seimbang,
terutama memperhatikan pola makan sehari- hari. Namun, saat ini belum ada sistem yang
dapat membantu pasien DM untuk memperoleh informasi mengenai pola makan yang
tepat. Oleh sebab itu diperlukan suatu pendekatan untuk memberikan penjadwalan pola
menu makanan setiap hari dalam satu minggu dengan nutrisi yang sesuai kepada pasien
DM guna membantu pasien diabetes untuk mengetahui makanan apa yang harus
dikonsumsi untuk membantu proses penyembuhan pasien DM. Penelitian ini
menggunakan metode Genetic Algorithm untuk menjadwalkan pola makan bagi
penderita diabetes mellitus. Pertama sekali akan dihitung jumlah kalori yang dibutuhkan
dengan persamaan Harris-Benedict yang kemudian akan dilanjutkan dengan proses
penentuan jenis diet penderita. Proses selanjutnya adalah penerapan algoritma genetika
untuk menjadwalkan menu makanan yang diawali dengan membangkitkan individu awal
secara acak. Tahap selanjutnya adalah menghitung nilai fitness, crossover, dan mutasi.
Setelah dilakukan pengujian sebanyak dua belas kali, maka dapat disimpulkan bahwa
semakin besar jumlah individu awal yang diberikan maka semakin besar ukuran populasi
dimana akan semakin banyak individu yang dihasilkan. Dengan semakin banyak individu
yang dihasilkan, maka semakin besar juga kemungkinan perubahan nilai fitness
mendekati nilai fitness yang terbaik. Dan juga dapat disimpulkan bahwa semakin besar
jumlah generasi yang diberikan, maka semakin besar peluang untuk memperoleh
individu yang terbaik dengan nilai fitness mendekati 0 atau sama dengan 0.
Kata Kunci: Diabetes Mellitus, Genetic Algorithm, penjadwalan, menu makanan
Universitas Sumatera Utara
vi
DIET SCHEDULING FOR DIABETIC PATIENT USING GENETIC ALGORITHM
ABSTRACT
Diabetes Mellitus (DM) is one of the health issues that have an impact on productivity
and decrease the quality of human resources. Diabetes Mellitus diseases can be
controlled by maintaining and controlling a healthy and balanced lifestyle, especially
paying attention to the daily diet. However, there is no system today that can help the
patient with diabetic diseases to obtain the information about the proper diet. Therefore,
we need an approach to give the information about daily food scheduling in a week with
an appropriate nutrition to the diabetic patients to help them to know what foods should
be taken for their healing process. This research is using Genetic Algorithm for
scheduling the diet for diabetic patients. The first thing to do is calculating the number of
required energy with Harris-Benedict equation and will be continued with determining
the type of diet. The next process is implementing the genetic algorithm for scheduling
the diet that begins with generating the initial individuals randomly. The next step is
calculating the fitness value, doing crossover, and doing mutation. After twelve times
testing is done, we can conclude that the greater the number of initial individuals is
given, then the greater the size of population is produced. With the greater the size of
population is produced, the greater the possibility of changes in fitness value will
approach the best fitness value. And it can also be concluded that the greater the number
of generations is given, the greater the probability to obtain the best individual with the
fitness value almost 0 or equal to 0.
Kata Kunci: Diabetes
Mellitus,
Genetic
Algorithm,
scheduling,
diet
menu
Universitas Sumatera Utara
vii
DAFTAR ISI
Halaman
Abstrak
i
Abstract
ii
Daftar Isi
iii
Daftar Tabel
vi
Daftar Gambar
Bab 1
Bab 2
vii
Pendahuluan
1.1
Latar Belakang
1
1.2
Rumusan Masalah
3
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
4
1.5
Manfaat Penelitian
4
1.6
Metodologi Penelitian
4
1.7
Sistematika Penulisan
5
Landasan Teori
2.1
Diabetes Mellitus
7
2.2
Perhitungan Kebutuhan Kalori
8
2.3
Kebutuhan Nutrisi bagi Pasien Diabetes Mellitus (DM)
10
2.4
Algoritma Genetika (Genetic Algorithm)
12
2.4.1
Proses Algoritma Genetika
13
2.4.2
Komponen Utama Algoritma Genetika
16
2.4.3
Pengertian Individu
22
2.5
2.4.4. Nilai Fitness
24
2.4.5. Elitisme
24
Penelitian Terdahulu
24
Universitas Sumatera Utara
viii
Bab 3
Analisis dan Perancangan
3.1
Arsitektur Umum
27
3.2
Data yang Digunakan
29
3.3
Perhitungan Kebutuhan Kalori
30
3.3.1. Hitung Berat Badan Ideal (BBI)
32
3.3.2. Hitung Kalori Basal
32
3.3.3. Hitung Koreksi Faktor Aktivitas
33
3.3.4. Hitung Koreksi Faktor Usia
33
3.3.5. Hitung Indeks Masa Tubuh (IMT)
33
3.3.6. Hitung Total Kebutuhan Kalori
34
3.4.
Penentuan Jenis Diet Penderita Diabetes Mellitus
34
3.5.
Model Algoritma Genetika
35
3.5.1. Struktur Algoritma Genetika
35
3.5.2. Inisialisasi Individu Awal
37
3.5.3. Evaluasi Nilai Fungsi Fitness
42
3.5.4. Seleksi
44
3.5.5. Crossover
45
3.5.6. Mutasi
49
Perancangan Sistem
51
3.6.1. Flowchart Sistem
51
3.6.2. Perancangan Database
52
3.6.3. Rancangan Tampilan Antarmuka
55
3.6.
Bab 4
Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak
67
4.1.2. Implementasi Perancangan Antarmuka
68
4.2. Pengujian Kinerja Sistem
Bab 5
67
76
Kesimpulan dan Saran
5.1. Kesimpulan
87
5.2. Saran
88
Universitas Sumatera Utara
ix
Daftar Pustaka
Universitas Sumatera Utara
x
DAFTAR TABEL
Halaman
Tabel 2.1
Kelompok Status Berat Badan
10
Tabel 2.2
Klasifikasi Diet Diabetes Mellitus dan Kandungan Nutrisi
12
Tabel 2.3
One Point Crossover
19
Tabel 2.4
Two Point Crossover
20
Tabel 2.5
Crossover Seragam
20
Tabel 2.6
Penelitian Terdahulu
25
Tabel 3.1
Parameter Pasien
29
Tabel 3.2
Parameter Nutrisi Makanan
30
Tabel 3.3
Data Pasien Diabetes Mellitus
32
Tabel 3.4
Menu Makanan dari Database
40
Tabel 3.5
Hasil Normalisasi Berat Menu Makanan Baru
42
Tabel 3.6
Menu Makanan Hasil Inisialisasi Populasi Awal
43
Tabel 4.1
Hasil Nilai Fitness tiap Generasi pada Setiap Populasi
84
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Halaman
Gambar 2.1
Diagram Alir Proses Algoritma Genetika
14
Gambar 2.2
Ilustrasi Representasi Penyelesaian Permasalahan dalam GA
23
Gambar 3.1
Arsitektur Umum
28
Gambar 3.2
Flowchart Perhitungan Kebutuhan Kalori Pasien
31
Gambar 3.3
Struktur Individu
35
Gambar 3.4
Struktur Kromosom
36
Gambar 3.5
Struktur Genotype (Gen)
36
Gambar 3.6
Flowchart Tahapan Inisialisasi Individu Awal
37
Gambar 3.7
Ilustrasi Menggunakan Rank Based Fitness Assignment
45
Gambar 3.8
Ilustrasi Proses Crossover Kondisi Pertama
47
Gambar 3.9
Ilustrasi Proses Crossover Kondisi Kedua
48
Gambar 3.10 Ilustrasi Proses Mutasi
50
Gambar 3.11 Flowchart Sistem
51
Gambar 3.12 Data pada Tabel Menu Makanan
53
Gambar 3.13 Data pada Tabel Jenis Diet
53
Gambar 3.14 Data pada Tabel Jadwal Makanan
54
Gambar 3.15 Data pada Tabel Pasien
54
Gambar 3.16 Rancangan Tampilan Halaman Utama
55
Gambar 3.17 Rancangan Tampilan Halaman Info Diabetes Mellitus
56
Gambar 3.18 Rancangan Tampilan Halaman Galeri
57
Gambar 3.19 Rancangan Tampilan Halaman Buat Jadwal
58
Gambar 3.20 Rancangan Tampilan Halaman Data Diet Pasien
60
Gambar 3.21 Rancangan Tampilan Halaman Output
62
Gambar 3.22 Rancangan Tampilan Log Proses Algoritma Genetika
63
Gambar 3.23 Rancangan Tampilan Halaman Grafik
64
Gambar 3.24 Rancangan Tampilan Data Pasien
65
Gambar 4.1
68
Halaman Utama
Universitas Sumatera Utara
xii
Gambar 4.2
Halaman Info Diabetes
69
Gambar 4.3
Halaman Galeri
69
Gambar 4.4
Halaman Pengisian Data Pasien
70
Gambar 4.5
Halaman Info Data Diet Pasien
71
Gambar 4.6
Tampilan Pemilihan Individu Awal dan Generasi
72
Gambar 4.7
Halaman Hasil Penjadwalan
73
Gambar 4.8
Tampilan Jadwal Satu Hari
74
Gambar 4.9
Tampilan Data Pasien
74
Gambar 4.10 Tampilan Halaman Grafik
75
Gambar 4.11 Tampilan Log Proses Algoritma Genetika
76
Gambar 4.12 Grafik Percobaan dengan Individu 10 dan Generasi 50
76
Gambar 4.13 Grafik Percobaan dengan Individu 10 dan Generasi 70
77
Gambar 4.14 Grafik Percobaan dengan Individu 10 dan Generasi 100
78
Gambar 4.15 Grafik Percobaan dengan Individu 20 dan Generasi 50
78
Gambar 4.16 Grafik Percobaan dengan Individu 20 dan Generasi 70
79
Gambar 4.17 Grafik Percobaan dengan Individu 20 dan Generasi 100
80
Gambar 4.18 Grafik Percobaan dengan Individu 30 dan Generasi 50
80
Gambar 4.19 Grafik Percobaan dengan Individu 30 dan Generasi 70
81
Gambar 4.20 Grafik Percobaan dengan Individu 30 dan Generasi 100
82
Gambar 4.21 Grafik Percobaan dengan Individu 40 dan Generasi 50
82
Gambar 4.22 Grafik Percobaan dengan Individu 40 dan Generasi 70
83
Gambar 4.23 Grafik Percobaan dengan Individu 40 dan Generasi 100
84
Gambar 4.24 Grafik Hubungan Individu, Generasi, dan Fitness
85
Universitas Sumatera Utara
PENJADWALAN POLA MAKAN BAGI PENDERITA
DIABETES MELLITUS MENGGUNAKAN
METODE GENETIC ALGORITHM
SKRIPSI
VANESA FELICIA
111402038
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PENJADWALAN POLA MAKAN BAGI PENDERITA
DIABETES MELLITUS MENGGUNAKAN
METODE GENETIC ALGORITHM
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
VANESA FELICIA
111402038
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PENJADWALAN POLA MAKAN BAGI
PENDERITA DIABETES MELLITUS
MENGGUNAKAN METODE GENETIC ALGORITHM
Kategori
: SKRIPSI
Nama
: VANESA FELICIA
Nomor Induk Mahasiswa
: 111402038
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Romi Fadillah Rahmat, B.Comp.Sc M.Sc
M. Fadly Syahputra, B.Sc., M.Sc IT
NIP. 19860303 201012 1 004
NIP. 19830129 200912 1 003
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PENJADWALAN POLA MAKAN BAGI PENDERITA DIABETES MELLITUS
MENGGUNAKAN METODE GENETIC ALGORITHM
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing- masing telah disebutkan sumbernya.
Medan, 21 April 2016
VANESA FELICIA
111402038
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
berkat dan pengasihan-Nya yang sungguh berlimpah, sehingga penulis dapat
menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi
Informasi Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Penyelesaian skripsi ini juga tidak terlepas dari bantuan berbagai pihak. Untuk
itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada Bapak
M.Fadly Syahputra B.Sc.,M.Sc.,IT dan Bapak Romi Fadillah Rahmat B.Comp.Sc., M.Sc
selaku dosen pembimbing yang telah banyak meluangkan waktu dan pikiran untuk
memberikan motivasi, kritik, dan saran kepada penulis. Penulis juga mengucapkan
terima kasih yang sebesar-besarnya kepada Ibu Amalia, ST., MT dan Bapak Ainul
Hizriadi, S.Kom., M. Comp. Sc yang telah bersedia menjadi dosen pembanding yang
telah memberikan kritik dan saran kepada penulis. Penulis juga mengucapkan terima
kasih kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Bapak M.
Anggia Muchtar, ST., MM.IT dan Bapak M.Fadly Syahputra B.Sc.,M.Sc.,IT, dan juga
seluruh Dosen dan Staff pegawai di Program Studi S1 Teknologi Informasi.
Penulis juga tidak lupa mengucapkan terima kasih kepada kedua orang tua
penulis yang telah memberikan dukungan moril dan spiritual, alm Drs. Maruli
Simanjuntak (+) dan Dra. Elisabeth Sutan. Kepada abang penulis Yorry Franky
Simanjuntak, ST, kepada kakak penulis Sri Swastika, SP, dan juga keponakan penulis
Zevany Argyaziva Richelle Simanjuntak yang turut juga memberikan motivasi dan
dukungan kepada penulis.
Terima kasih juga penulis ucapkan kepada teman-teman penulis yang setiap saat
selalu memberikan motivasi dan dukungan kepada penulis. Terutama penulis ucapkan
terima kasih kepada Dian Aria Ningsih, teman seperjuangan penulis dalam pencarian
data-data untuk menyelesaikan tugas akhir ini. Terima kasih juga penulis ucapkan kepada
seluruh teman-teman seangkatan 2011, kepada abang, kakak dan adik di jurusan
Teknologi Informasi yang tidak dapat disebutkan satu per satu.
Akhir kata, penulis ucapkan terima kasih kepada semua pihak yang telah
membantu menyelesaikan skripsi ini yang tidak dapat penulis sebutkan satu persatu.
Semoga Tuhan Yang Maha Esa membalas kebaikan kalian semua.
Universitas Sumatera Utara
v
ABSTRAK
Diabetes Melitus (DM) merupakan salah satu masalah kesehatan yang berdampak pada
produktivitas dan menurunkan mutu sumber daya manusia. Penyakit diabetes melitus
dapat dikontrol dengan cara menjaga dan mengatur pola hidup yang sehat dan seimbang,
terutama memperhatikan pola makan sehari- hari. Namun, saat ini belum ada sistem yang
dapat membantu pasien DM untuk memperoleh informasi mengenai pola makan yang
tepat. Oleh sebab itu diperlukan suatu pendekatan untuk memberikan penjadwalan pola
menu makanan setiap hari dalam satu minggu dengan nutrisi yang sesuai kepada pasien
DM guna membantu pasien diabetes untuk mengetahui makanan apa yang harus
dikonsumsi untuk membantu proses penyembuhan pasien DM. Penelitian ini
menggunakan metode Genetic Algorithm untuk menjadwalkan pola makan bagi
penderita diabetes mellitus. Pertama sekali akan dihitung jumlah kalori yang dibutuhkan
dengan persamaan Harris-Benedict yang kemudian akan dilanjutkan dengan proses
penentuan jenis diet penderita. Proses selanjutnya adalah penerapan algoritma genetika
untuk menjadwalkan menu makanan yang diawali dengan membangkitkan individu awal
secara acak. Tahap selanjutnya adalah menghitung nilai fitness, crossover, dan mutasi.
Setelah dilakukan pengujian sebanyak dua belas kali, maka dapat disimpulkan bahwa
semakin besar jumlah individu awal yang diberikan maka semakin besar ukuran populasi
dimana akan semakin banyak individu yang dihasilkan. Dengan semakin banyak individu
yang dihasilkan, maka semakin besar juga kemungkinan perubahan nilai fitness
mendekati nilai fitness yang terbaik. Dan juga dapat disimpulkan bahwa semakin besar
jumlah generasi yang diberikan, maka semakin besar peluang untuk memperoleh
individu yang terbaik dengan nilai fitness mendekati 0 atau sama dengan 0.
Kata Kunci: Diabetes Mellitus, Genetic Algorithm, penjadwalan, menu makanan
Universitas Sumatera Utara
vi
DIET SCHEDULING FOR DIABETIC PATIENT USING GENETIC ALGORITHM
ABSTRACT
Diabetes Mellitus (DM) is one of the health issues that have an impact on productivity
and decrease the quality of human resources. Diabetes Mellitus diseases can be
controlled by maintaining and controlling a healthy and balanced lifestyle, especially
paying attention to the daily diet. However, there is no system today that can help the
patient with diabetic diseases to obtain the information about the proper diet. Therefore,
we need an approach to give the information about daily food scheduling in a week with
an appropriate nutrition to the diabetic patients to help them to know what foods should
be taken for their healing process. This research is using Genetic Algorithm for
scheduling the diet for diabetic patients. The first thing to do is calculating the number of
required energy with Harris-Benedict equation and will be continued with determining
the type of diet. The next process is implementing the genetic algorithm for scheduling
the diet that begins with generating the initial individuals randomly. The next step is
calculating the fitness value, doing crossover, and doing mutation. After twelve times
testing is done, we can conclude that the greater the number of initial individuals is
given, then the greater the size of population is produced. With the greater the size of
population is produced, the greater the possibility of changes in fitness value will
approach the best fitness value. And it can also be concluded that the greater the number
of generations is given, the greater the probability to obtain the best individual with the
fitness value almost 0 or equal to 0.
Kata Kunci: Diabetes
Mellitus,
Genetic
Algorithm,
scheduling,
diet
menu
Universitas Sumatera Utara
vii
DAFTAR ISI
Halaman
Abstrak
i
Abstract
ii
Daftar Isi
iii
Daftar Tabel
vi
Daftar Gambar
Bab 1
Bab 2
vii
Pendahuluan
1.1
Latar Belakang
1
1.2
Rumusan Masalah
3
1.3
Batasan Masalah
3
1.4
Tujuan Penelitian
4
1.5
Manfaat Penelitian
4
1.6
Metodologi Penelitian
4
1.7
Sistematika Penulisan
5
Landasan Teori
2.1
Diabetes Mellitus
7
2.2
Perhitungan Kebutuhan Kalori
8
2.3
Kebutuhan Nutrisi bagi Pasien Diabetes Mellitus (DM)
10
2.4
Algoritma Genetika (Genetic Algorithm)
12
2.4.1
Proses Algoritma Genetika
13
2.4.2
Komponen Utama Algoritma Genetika
16
2.4.3
Pengertian Individu
22
2.5
2.4.4. Nilai Fitness
24
2.4.5. Elitisme
24
Penelitian Terdahulu
24
Universitas Sumatera Utara
viii
Bab 3
Analisis dan Perancangan
3.1
Arsitektur Umum
27
3.2
Data yang Digunakan
29
3.3
Perhitungan Kebutuhan Kalori
30
3.3.1. Hitung Berat Badan Ideal (BBI)
32
3.3.2. Hitung Kalori Basal
32
3.3.3. Hitung Koreksi Faktor Aktivitas
33
3.3.4. Hitung Koreksi Faktor Usia
33
3.3.5. Hitung Indeks Masa Tubuh (IMT)
33
3.3.6. Hitung Total Kebutuhan Kalori
34
3.4.
Penentuan Jenis Diet Penderita Diabetes Mellitus
34
3.5.
Model Algoritma Genetika
35
3.5.1. Struktur Algoritma Genetika
35
3.5.2. Inisialisasi Individu Awal
37
3.5.3. Evaluasi Nilai Fungsi Fitness
42
3.5.4. Seleksi
44
3.5.5. Crossover
45
3.5.6. Mutasi
49
Perancangan Sistem
51
3.6.1. Flowchart Sistem
51
3.6.2. Perancangan Database
52
3.6.3. Rancangan Tampilan Antarmuka
55
3.6.
Bab 4
Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak
67
4.1.2. Implementasi Perancangan Antarmuka
68
4.2. Pengujian Kinerja Sistem
Bab 5
67
76
Kesimpulan dan Saran
5.1. Kesimpulan
87
5.2. Saran
88
Universitas Sumatera Utara
ix
Daftar Pustaka
Universitas Sumatera Utara
x
DAFTAR TABEL
Halaman
Tabel 2.1
Kelompok Status Berat Badan
10
Tabel 2.2
Klasifikasi Diet Diabetes Mellitus dan Kandungan Nutrisi
12
Tabel 2.3
One Point Crossover
19
Tabel 2.4
Two Point Crossover
20
Tabel 2.5
Crossover Seragam
20
Tabel 2.6
Penelitian Terdahulu
25
Tabel 3.1
Parameter Pasien
29
Tabel 3.2
Parameter Nutrisi Makanan
30
Tabel 3.3
Data Pasien Diabetes Mellitus
32
Tabel 3.4
Menu Makanan dari Database
40
Tabel 3.5
Hasil Normalisasi Berat Menu Makanan Baru
42
Tabel 3.6
Menu Makanan Hasil Inisialisasi Populasi Awal
43
Tabel 4.1
Hasil Nilai Fitness tiap Generasi pada Setiap Populasi
84
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Halaman
Gambar 2.1
Diagram Alir Proses Algoritma Genetika
14
Gambar 2.2
Ilustrasi Representasi Penyelesaian Permasalahan dalam GA
23
Gambar 3.1
Arsitektur Umum
28
Gambar 3.2
Flowchart Perhitungan Kebutuhan Kalori Pasien
31
Gambar 3.3
Struktur Individu
35
Gambar 3.4
Struktur Kromosom
36
Gambar 3.5
Struktur Genotype (Gen)
36
Gambar 3.6
Flowchart Tahapan Inisialisasi Individu Awal
37
Gambar 3.7
Ilustrasi Menggunakan Rank Based Fitness Assignment
45
Gambar 3.8
Ilustrasi Proses Crossover Kondisi Pertama
47
Gambar 3.9
Ilustrasi Proses Crossover Kondisi Kedua
48
Gambar 3.10 Ilustrasi Proses Mutasi
50
Gambar 3.11 Flowchart Sistem
51
Gambar 3.12 Data pada Tabel Menu Makanan
53
Gambar 3.13 Data pada Tabel Jenis Diet
53
Gambar 3.14 Data pada Tabel Jadwal Makanan
54
Gambar 3.15 Data pada Tabel Pasien
54
Gambar 3.16 Rancangan Tampilan Halaman Utama
55
Gambar 3.17 Rancangan Tampilan Halaman Info Diabetes Mellitus
56
Gambar 3.18 Rancangan Tampilan Halaman Galeri
57
Gambar 3.19 Rancangan Tampilan Halaman Buat Jadwal
58
Gambar 3.20 Rancangan Tampilan Halaman Data Diet Pasien
60
Gambar 3.21 Rancangan Tampilan Halaman Output
62
Gambar 3.22 Rancangan Tampilan Log Proses Algoritma Genetika
63
Gambar 3.23 Rancangan Tampilan Halaman Grafik
64
Gambar 3.24 Rancangan Tampilan Data Pasien
65
Gambar 4.1
68
Halaman Utama
Universitas Sumatera Utara
xii
Gambar 4.2
Halaman Info Diabetes
69
Gambar 4.3
Halaman Galeri
69
Gambar 4.4
Halaman Pengisian Data Pasien
70
Gambar 4.5
Halaman Info Data Diet Pasien
71
Gambar 4.6
Tampilan Pemilihan Individu Awal dan Generasi
72
Gambar 4.7
Halaman Hasil Penjadwalan
73
Gambar 4.8
Tampilan Jadwal Satu Hari
74
Gambar 4.9
Tampilan Data Pasien
74
Gambar 4.10 Tampilan Halaman Grafik
75
Gambar 4.11 Tampilan Log Proses Algoritma Genetika
76
Gambar 4.12 Grafik Percobaan dengan Individu 10 dan Generasi 50
76
Gambar 4.13 Grafik Percobaan dengan Individu 10 dan Generasi 70
77
Gambar 4.14 Grafik Percobaan dengan Individu 10 dan Generasi 100
78
Gambar 4.15 Grafik Percobaan dengan Individu 20 dan Generasi 50
78
Gambar 4.16 Grafik Percobaan dengan Individu 20 dan Generasi 70
79
Gambar 4.17 Grafik Percobaan dengan Individu 20 dan Generasi 100
80
Gambar 4.18 Grafik Percobaan dengan Individu 30 dan Generasi 50
80
Gambar 4.19 Grafik Percobaan dengan Individu 30 dan Generasi 70
81
Gambar 4.20 Grafik Percobaan dengan Individu 30 dan Generasi 100
82
Gambar 4.21 Grafik Percobaan dengan Individu 40 dan Generasi 50
82
Gambar 4.22 Grafik Percobaan dengan Individu 40 dan Generasi 70
83
Gambar 4.23 Grafik Percobaan dengan Individu 40 dan Generasi 100
84
Gambar 4.24 Grafik Hubungan Individu, Generasi, dan Fitness
85
Universitas Sumatera Utara