ATMALUHURATMALUHUR

Jurnal Sisfokom (Sistem Informasi dan Komputer)Jurnal Sisfokom (Sistem Informasi dan Komputer)

Jumlah penderita diabetes di Indonesia terus meningkat, dengan Diabetes Melitus Tipe II (DMT) mendominasi 90% kasus. Salah satu kontributor utamanya adalah konsumsi berlebihan produk camilan tinggi Gula, Garam, dan Lemak (GGL), yang meningkatkan risiko kesehatan, khususnya bagi penderita diabetes. Namun, informasi gizi pada kemasan produk tidak mudah dipahami. Membuat label produk dapat memberikan informasi yang efektif untuk membantu keputusan pembelian. Studi ini bertujuan untuk mengelompokkan produk camilan berdasarkan fakta gizinya, terutama fokus pada konten GGL, untuk mengidentifikasi produk yang berpotensi berisiko tinggi bagi penderita diabetes. Dalam studi ini, data fakta gizi produk camilan dianalisis. Menggunakan topologi Self-Organizing Map (SOM) berbentuk heksagonal dengan grid 5 × 9, metode k-means ditemukan sebagai metode pengelompokan terbaik. Metode ini menghasilkan dua kluster dengan indeks siluet 0,44, indeks Dunn 0,09, dan indeks koneksi 11,14. Kluster pertama terdiri dari 165 produk dengan kadar total lemak, lemak jenuh, gula, dan garam rendah. Sebaliknya, kluster kedua terdiri dari 46 produk dengan kadar total lemak dan lemak jenuh tinggi, yang menjadi perhatian khusus karena kadar lemak tidak sehat yang tinggi. Hasil pengelompokan ini dapat menjadi referensi untuk label makanan yang lebih intuitif, potensial meningkatkan kesadaran konsumen dan membantu pengambilan keputusan diet, khususnya bagi penderita diabetes.

Studi ini menunjukkan bahwa pengelompokan produk camilan berdasarkan fakta gizi menggunakan metode SOM dan k-means dapat mengidentifikasi produk berisiko tinggi bagi penderita diabetes.Kluster pertama terdiri dari produk dengan kadar GGL rendah, sedangkan kluster kedua terdiri dari produk dengan kadar GGL tinggi.Hasil ini dapat digunakan untuk pengembangan label makanan yang lebih informatif, meningkatkan kesadaran konsumen, dan mendukung manajemen diabetes.Perlu dilakukan penelitian lanjutan untuk memperluas dataset dan menguji metode lain dalam pengelompokan produk camilan.

1. Penelitian lanjutan dapat mengembangkan metode pengelompokan berbasis AI untuk meningkatkan akurasi identifikasi produk berisiko tinggi. 2. Analisis dampak label makanan berbasis GGL terhadap perilaku konsumen di berbagai wilayah Indonesia perlu dilakukan untuk mengevaluasi efektivitas strategi. 3. Studi tentang perbandingan efektivitas metode SOM dan k-means dalam pengelompokan produk camilan dengan variasi parameter nutrisi dapat memberikan wawasan baru untuk optimasi sistem rekomendasi diet.

Read online
File size564.21 KB
Pages9
DMCAReport

Related /

ads-block-test