Sistem Perencanaan Gizi Harian Berbasis Optimasi Porsi dan Clustering K-Means

Abstrak

Abstrak — Perencanaan gizi harian yang personal merupakan tantangan kompleks akibat sulitnya menerjemahkan kebutuhan nutrisi individual ke dalam porsi makanan akurat, diperparah dengan tingginya prevalensi masalah gizi ganda di Indonesia. Penelitian ini bertujuan merancang dan mengimplementasikan sebuah Sistem Pendukung Keputusan (SPK) gizi harian yang mampu menghasilkan rekomendasi menu terukur. Metode penelitian menggunakan pendekatan hibrida, mengintegrasikan basis pengetahuan sistem pakar (aturan Mifflin-St Jeor, FAO, IOM) dengan mekanisme inferensi berbasis optimisasi porsi dinamis menggunakan pemrograman linier (PuLP). Selain itu, unsupervised machine learning (K-Means) diterapkan untuk melakukan clustering bahan makanan guna menghasilkan label nutrisi edukatif. Sistem diimplementasikan sebagai aplikasi web menggunakan Python Flask dan diuji melalui studi kasus serta verifikasi fungsional. Temuan utama menunjukkan bahwa mekanisme optimisasi berhasil menghasilkan rencana makan harian dengan porsi (gramasi) spesifik yang akurasinya sangat mendekati target kalori dan makronutrien (contoh studi kasus deviasi kalori <3%). Integrasi K-Means juga terbukti efektif memberikan label fungsional (misal: "Protein Murni", "Padat Energi") pada bahan makanan. Simpulan dari penelitian ini adalah bahwa arsitektur hibrida berbasis optimisasi porsi dinamis mampu menyediakan alat bantu perencanaan diet yang lebih akurat secara kuantitatif dan informatif dibandingkan pendekatan kualitatif tradisional.