Informasi Lainnya
Abstraksi
Pasien diabetes mellitus khususnya tipe-2 memerlukan kontrol ketat terhadap asupan makanan untuk menjaga kestabilan kadar gula darah. Namun, pemilihan makanan yang tepat sering kali menjadi tantangan karena kurangnya informasi mengenai indeks glikemik dan komposisi nutrisi makanan. Penelitian ini bertujuan untuk merancang sistem rekomendasi makanan bagi pasien diabetes berbasis indeks glikemik guna membantu pengelolaan konsumsi makanan yang lebih tepat. Metode yang digunakan meliputi algoritme <i>Random Forest</i> untuk mengklasifikasikan tingkat risiko makanan (aman, perlu dibatasi, atau berisiko) berdasarkan indeks glikemik dan komposisi nutrisi, serta algoritme <i>K-Means</i> untuk memberikan alternatif makanan yang lebih aman dari kategori berisiko atau perlu dibatasi. Data yang digunakan diperoleh dari <i>International Tables of Glycemic Index and Glycemic Load Values 2021</i> dan Tabel Komposisi Pangan Indonesia yang melalui tahap <i>preprocessing</i> sebelum pemodelan. Hasil penelitian menunjukkan bahwa model <i>Random Forest</i> dengan teknik <i>SMOTE</i> menghasilkan performa klasifikasi terbaik dengan nilai <i>Accuracy</i> 93,10%, <i>Precision</i> 95,86%, dan <i>F1-Score</i> 93,76%. Sementara itu, pemodelan <i>K-Means</i> menghasilkan 3 <i>cluster</i> dengan nilai <i>Silhouette Score</i> 0,43836. Implementasi dilakukan dalam bentuk <i>prototype</i> berbasis <i>framework Streamlit</i> untuk menguji integrasi kedua model dalam mengklasifikasikan risiko dan memberikan rekomendasi alternatif makanan. Kata Kunci: indeks glikemik, diabetes mellitus, random forest, k-means, sistem rekomendasi, klasifikasi.
- CAK4FAA4 - Tugas Akhir
- CAK4FAA4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
