Algoritma Genetika untuk Optimasi Komposisi Makanan Bagi Penderita Hipertensi

Jurnal Teknologi dan Sistem Komputer

View Publication Info
 
 
Field Value
 
Title Algoritma Genetika untuk Optimasi Komposisi Makanan Bagi Penderita Hipertensi
Genetic Algorithm for Optimizing Food Composition for Hypertension Patients
 
Creator Purnomo, Anggi Mahadika
Werdiastu, Davia
Raissa, Talitha
Widodo, Restu
Wijayaningrum, Vivi Nur
 
Subject algoritma genetika;hipertensi;komposisi makanan;stroke;tekanan darah tinggi
genetic algorithm; hypertension; food composition; stroke; high blood pressure
 
Description Hipertensi dapat dicegah dan ditangani dengan mengonsumsi makanan bergizi dengan komposisi yang tepat. Algoritma genetika dapat digunakan untuk mengoptimalkan komposisi makanan bagi penderita hipertensi. Data yang digunakan meliputi jenis kelamin, umur, berat badan, tinggi badan, jenis aktivitas, tingkat stres, dan tingkat hipertensi pasien. Penelitian ini menggunakan metode reproduksi yang cukup baik untuk diterapkan pada representasi kromosom integer sehingga hasil pencarian yang diberikan terhindar dari solusi optimum lokal. Hasil pengujian menunjukkan bahwa parameter algoritma genetika terbaik adalah populasi sebanyak 15 dengan rata-rata fitness sebesar 20,97, generasi sebanyak 40 dengan rata-rata fitness sebesar 50,10, dan kombinasi crossover rate dan mutation rate sebesar 0,3 dan 0,7 dengan rata-rata fitness sebesar 41,67. Solusi yang dihasilkan adalah berupa komposisi makanan optimal bagi penderita hipertensi.
Hypertension can be prevented and handled by eating nutritious foods with the right composition. The genetic algorithm can be used to optimize the food composition for people with hypertension. Data used include sex, age, weight, height, activity type, stress level, and patient hypertension level. This study uses a reproduction method that is good enough to be applied to integer chromosome representations so that the search results provided are not local optimum solutions. The testing results show that the best genetic algorithm parameters are as follows population size is 15 with average fitness 20.97, the generation number is 40 with average fitness 50.10, and combination crossover rate and mutation rate are 0.3 and 0.7 with average fitness 41.67. The solution obtained is the optimal food composition for people with hypertension.
 
Publisher Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro
 
Contributor Fakultas Ilmu Komputer, Universitas Brawijaya
Faculty of Computer Science, Universitas Brawijaya
 
Date 2019-01-31
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion

 
Format application/pdf
 
Identifier https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13132
10.14710/jtsiskom.7.1.2019.1-6
 
Source Jurnal Teknologi dan Sistem Komputer; Volume 7, Issue 1, Year 2019 (January 2019); 1-6
Jurnal Teknologi dan Sistem Komputer; Volume 7, Issue 1, Year 2019 (January 2019); 1-6
2338-0403
 
Language ind
 
Relation https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13132/12490
 
Rights Copyright (c) 2019 Jurnal Teknologi dan Sistem Komputer
https://creativecommons.org/licenses/by-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library