Optimasi Biaya Bahan Menu Makanan Bagi Penderita Penyakit Jantung Dengan Menggunakan Metode Evolution Strategies

Simamora, Veronica Kristina BR (2017) Optimasi Biaya Bahan Menu Makanan Bagi Penderita Penyakit Jantung Dengan Menggunakan Metode Evolution Strategies. Sarjana thesis, Universitas Brawijaya.

Abstract

Seseorang yang terkena penyakit jantung harus mendapatkan penanganan yang serius. Tidak hanya mengkonsumsi obat secara teratur, menjaga pola makan dan asupan gizi bagi tubuh juga penting untuk diperhatikan. Harga bahan makanan yang cenderung tidak stabil menjadi kesulitan bagi pasien untuk mengkonsumsi bahan makanan dalam memenuhi kebutuhan gizinya. Kombinasi bahan makanan yang harga belinya relatif mahal dengan bahan makanan yang harga belinya relatif lebih murah namun tetap memiliki kandungan gizi yang sama dapat dijadikan sebagai solusi untuk menyelesaikan permasalahan tersebut. Penelitian menggunakan algoritma evolution strategies untuk mengoptimasi biaya bahan menu makanan bagi penderita penyakit jantung. Algoritma evolution strategies terdiri dari tahapan inisialisasi awal dengan representasi kromosom bilangan real-vector, reproduksi dengan rekombinasi menggunakan metode intermediate recombination, dan mutasi, evaluasi, dan seleksi dengan metode selection elitism. Pengujian parameter yang dilakukan adalah pengujian jumlah populasi, jumlah offspring, jumlah rekombinasi, dan banyak generasi. Semakin besar jumlah populasi, jumlah offspring, dan banyak generasi tidak menjamin terbentuknya hasil yang lebih optimal. Semakin besar jumlah populasi, jumlah offspring, dan banyak generasi akan memunculkan kromosom yang beragam, sehingga peluang terbentuknya hasil yang lebih optimal akan semakin besar. Hal ini dapat terjadi karena konsep dasar algoritma evolution strategies yang banyak menggunakan nilai acak pada proses perhitungannya. Pengujian jumlah rekombinasi menunjukkan bahwa semakin sedikit kromosom induk yang terlibat dalam rekombinasi akan menghasilkan kromosom offspring yang bervaraiasi. Semakin bervariasi kromosom offspring yang dihasilkan maka peluang untuk mencapai hasil yang optimal lebih besar. Dari hasil pengujian parameter didapatkan bahwa sistem dapat memenuhi kebutuhan gizi pasien dengan menggunakan 105 populasi awal, 430 offspring yang dihasilkan, melibatkan 2 induk pada rekombinasi, dan 400 generasi. Perbandingan terhadap hasil bahan makanan rekomendasi sistem dengan rekomendasi pakar menunjukkan bahwa sistem telah memberikan hasil yang lebih optimal dibandingkan dengan rekomendasi pakar. Hal ini terbukti dengan sistem memberikan hasil rekomendasi dengan harga yang lebih murah dan makanan yang bervariasi.

English Abstract

People who suffered heart disease should get serious handling. Not only taking medicines regularly, maintaining diet and nutritional intake for the body is also important. The price of the food ingridients which tend to be unstable makes it difficult for patients to consume foods in meeting their nutritional needs. The combination of food ingridients’ prices which relatively expensive with food ingridients’ prices which relatively cheaper but still have the same nutritional content can be a solution to solve these problems. This research used evolution strategies algorithm to optimize the cost of food ingidients for people with heart disease. Evolution strategies algorithm consists stages of initialization population with the real-vectors chromosome representation, reproduction method using intermediate recombination, and mutation, evaluation, and selection with method called elitism. The parameters were tested by the number of population testing, number of offspring testing, number of recombination testing , and generation testing. The greater the number of populations, number of offsprings, and generations does not guarantee produce more optimal results. The greater the number of population, the number of offspring, and many generations will bring up the various chromosomes, so the chances of this algorithm produce more optimal results will be even greater. This result can happen because the basic concepts of evolution strategies algorithms that use random values in the calculation process. Number of recombination testing indicates that the fewer parent’s chromosomes involved in recombination will result a varied number of offspring’s chromosomes. The more varied the result of offspring’s chromosomes then the chances to achieve optimal results are greater. From the parameter tests results, this research obtained that the system can meet the nutritional needs of patients using the initial 105 population, 430 offspring produced, involving 2 parents on recombination, and 400 generations. Comparison of recommended food system recommendations with expert recommendations shows that the system has provided more optimal results compared to expert recommendations. This proved that the system delivers recommendations with cheaper prices and foods that varies.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/304/051705548
Uncontrolled Keywords:	Algoritma Evolution Strategies, Optimasi, Bahan Makanan, Penyakit Jantung
Subjects:	000 Computer science, information and general works > 004 Computer science > 004.015 1 Finite mathematic
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yusuf Dwi N.
Date Deposited:	31 Jul 2017 06:25
Last Modified:	11 Dec 2020 14:38
URI:	http://repository.ub.ac.id/id/eprint/851

	Text Bagian Depan.pdf Restricted to Repository staff only Download (107kB)
	Text BAB I.pdf Restricted to Repository staff only Download (63kB)
	Text BAB II.pdf Restricted to Repository staff only Download (310kB)
	Text BAB III.pdf Restricted to Repository staff only Download (53kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (873kB)
	Text BAB V.pdf Restricted to Repository staff only Download (344kB)
	Text BAB VI.pdf Restricted to Repository staff only Download (135kB)
	Text BAB VII.pdf Restricted to Repository staff only Download (39kB)
	Text Daftar Pustaka.pdf Restricted to Repository staff only Download (33kB)

Actions (login required)

View Item