DHARMAWACANADHARMAWACANA

International Research on Big-Data and Computer Technology: I-RobotInternational Research on Big-Data and Computer Technology: I-Robot

Program diet yang tepat sangat dibutuhkan wanita untuk menjaga kesehatan dan mencapai berat badan ideal sesuai kondisi tubuh masing-masing. Pemilihan jenis diet seringkali menjadi permasalahan karena banyaknya alternatif yang tersedia, sedangkan setiap individu memiliki kriteria berbeda seperti usia, aktivitas fisik, serta status kesehatan. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) yang dapat memberikan rekomendasi jenis diet sehat bagi wanita dengan menggunakan metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode AHP digunakan untuk menentukan bobot kriteria berdasarkan tingkat kepentingannya, sedangkan metode TOPSIS digunakan untuk melakukan perankingan alternatif jenis diet sehingga diperoleh hasil yang paling sesuai dengan kebutuhan pengguna. Kriteria yang digunakan meliputi usia, indeks massa tubuh, tingkat aktivitas fisik, dan kondisi kesehatan. Alternatif diet yang dianalisis mencakup diet rendah kalori, diet tinggi protein, diet Mediterania, dan diet DASH. Hasil penelitian menunjukkan bahwa kombinasi metode AHP dan TOPSIS mampu memberikan rekomendasi diet yang lebih objektif dan akurat dibandingkan pemilihan secara manual, sehingga dapat membantu wanita menentukan program diet yang tepat sesuai kondisi individu masing-masing.

Penelitian ini berhasil mengembangkan sistem pendukung keputusan pemilihan program diet bagi wanita dengan mengintegrasikan metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).Hasil AHP menunjukkan bahwa kondisi kesehatan merupakan kriteria dengan bobot tertinggi, diikuti efektivitas program, kebutuhan kalori harian, biaya, dan preferensi makanan.Diet Mediterania direkomendasikan sebagai alternatif terbaik karena dinilai paling seimbang dari sisi nutrisi, efektivitas, dan dampak positif bagi kesehatan jangka panjang.

Penelitian lanjutan dapat dilakukan dengan memperluas cakupan kriteria yang digunakan dalam sistem pendukung keputusan, misalnya dengan mempertimbangkan faktor genetik, preferensi rasa, atau ketersediaan bahan makanan lokal. Selain itu, pengembangan sistem yang lebih interaktif dengan fitur personalisasi berdasarkan data kesehatan pengguna secara real-time, seperti data dari perangkat wearable, dapat meningkatkan akurasi dan efektivitas rekomendasi diet. Terakhir, studi komparatif dengan metode rekomendasi diet lainnya, seperti machine learning atau deep learning, dapat dilakukan untuk mengidentifikasi pendekatan yang paling optimal dalam memberikan rekomendasi diet yang sesuai dengan kebutuhan individu.

Read online
File size607.39 KB
Pages6
DMCAReport

Related /

ads-block-test