International Research on Big Data and Computer Technology Vol 9 No 2 Ae September 2025
ISSN 2356-3974
DOI: http://dx.
org/10.
53514/ir.
Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.
Aktivitas Fisik, dan Status Kesehatan Menggunakan Metode Analytic Hierarchy Process dan Topsis Guna Yanti Kemala Sari Siregar 1Ika Arthalia Wulandari 2Hera Fransiska Universitas Muhammadiyah Metro gunayanti2017@gmail.
ABSTRAK
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.
Keyword: Sistem Pendukung Keputusan.
Diet.
AHP.
TOPSIS.
Wanita
1 PENDAHULUAN
Kesehatan dan penampilan fisik merupakan dua aspek penting yang banyak diperhatikan oleh wanita.
Salah satu faktor yang berpengaruh signifikan terhadap kedua aspek tersebut adalah pola diet.
Diet tidak hanya dimaknai sebagai upaya menurunkan berat badan, melainkan lebih luas sebagai pengaturan pola makan yang seimbang sesuai kebutuhan gizi dan kondisi kesehatan seseorang.
Diet yang tepat dapat membantu menjaga kesehatan metabolik, mengontrol berat badan, meningkatkan energi, serta mencegah berbagai penyakit degeneratif seperti diabetes, hipertensi, dan penyakit jantung.
Namun, pemilihan jenis diet seringkali menjadi permasalahan yang cukup kompleks.
Hal ini disebabkan oleh beragamnya jenis diet yang ditawarkan, baik dari media populer, komunitas kesehatan, maupun literatur ilmiah.
Contohnya diet rendah kalori, diet tinggi protein, diet Mediterania, hingga diet DASH (Dietary Approaches to Stop Hypertensio.
Setiap jenis diet memiliki kelebihan, kekurangan, serta tingkat kesesuaian yang berbeda tergantung pada kondisi individu.
Seorang wanita dengan aktivitas fisik tinggi misalnya, memerlukan pola diet berbeda dengan wanita yang memiliki aktivitas fisik rendah.
Demikian pula wanita dengan riwayat penyakit tertentu, tentu membutuhkan pendekatan diet yang berbeda dengan wanita sehat.
Indonesia, kesadaran masyarakatAikhususnya wanitaAiakan pentingnya diet sehat semakin meningkat.
Namun, pemahaman yang terbatas, ditambah dengan maraknya informasi tidak valid di media sosial, seringkali menimbulkan kesalahan dalam memilih jenis diet.
Tidak jarang wanita mengikuti diet yang sedang tren tanpa mempertimbangkan faktor usia, aktivitas, maupun status kesehatan, sehingga justru menimbulkan efek samping negatif.
Permasalahan ini menegaskan perlunya suatu sistem yang mampu membantu pengambilan keputusan dalam menentukan jenis diet yang sesuai dengan kondisi personal.
Dalam konteks ini.
Sistem Pendukung Keputusan (SPK) dapat menjadi solusi.
SPK merupakan sistem berbasis komputer yang digunakan untuk membantu pengambilan keputusan pada masalah semi-terstruktur maupun tidak Copyright @ 2025 Penulis https://e-jurnal.
id/index.
php/ir SPK tidak menggantikan keputusan manusia, melainkan memberikan rekomendasi alternatif terbaik berdasarkan data dan kriteria yang telah ditentukan.
Melalui SPK, proses pemilihan diet dapat dilakukan secara lebih terukur, objektif, dan sesuai dengan kondisi individu.
2 METODE PENELITIAN
1 Jenis Penelitian Penelitian ini termasuk dalam penelitian kuantitatif dengan pendekatan deskriptif dan eksploratif.
Menurut Sugiyono .
, penelitian kuantitatif adalah penelitian yang datanya berupa angka-angka dan dianalisis menggunakan metode Sementara itu, penelitian deskriptif bertujuan untuk memberikan gambaran secara sistematis, faktual, dan akurat mengenai fakta-fakta dan sifat populasi atau objek tertentu.
Selain itu, penelitian ini juga bersifat eksploratif, karena berusaha menggali informasi lebih mendalam mengenai kriteria-kriteria yang memengaruhi pemilihan jenis diet yang tepat berdasarkan kondisi kesehatan individu.
Dengan demikian, penelitian ini tidak hanya menjelaskan fenomena, tetapi juga menganalisis data untuk menghasilkan sebuah rekomendasi yang bermanfaat.
2 Sumber Data dan Teknik Pengumpulan Data Data yang digunakan dalam penelitian ini terdiri dari:
Sumber Data dan Teknik Pengumpulan Data.
Pen Penelitian ini memanfaatkan kombinasi data primer dan C Data primer: data yang dikumpulkan langsung dari responden .
anel ekspert untuk AHP, sampel pengguna untuk validasi/usabilit.
melalui kuesioner, wawancara, dan pengukuran antropometri.
C Data sekunder: literatur ilmiah, pedoman gizi (WHO.
Kemenke.
, database nutrisi, dan panduan diet .
pedoman Mediterania.
DASH) untuk mendefinisikan alternatif diet dan menetapkan indikator kinerja alternatif.
International Research on Big Data and Computer Technology 3 Sumber Data dan Rinciannya ISSN 2356-397 .
Panel ekspert .
ata prime.
AuSeberapa penting Status Kesehatan dibanding Aktivitas Fisik dalam memilih jenis diet untuk wanita?Ay Ai pilih 1 .
ama pentin.
hingga 9 .
angat mutlak lebih pentin.
Pengumpulan data untuk penilaian alternatif (TOPSIS) C Peran: memberikan penilaian perbandingan berpasangan (AHP) untuk menentukan bobot kriteria, serta menilai performa/kelayakan alternatif diet saat perlu.
Komposisi: 5Ae15 ahli .
hli gizi/dietician, dokter umum/spesialis, praktisi kebugaran, peneliti nutris.
Pemilihan: purposive sampling .
ipilih berdasarkan kualifikasi & pengalama.
Matriks kinerja .
lternatif y kriteri.
: kumpulkan skor kinerja tiap alternatif diet terhadap setiap kriteria.
o Sumber skor: penilaian expert, literatur .
ratarata kalori/dosis makr.
, atau skala 1Ae10 yang Teknik pengisian: expert memberi skor performa tiap alternatif .
Diet Mediterania terhadap kriteria Autekanan darahAy diberi skor 8/10 jika dukungan literatur kua.
Dokumentasi sumber skor: catat referensi literatur atau alasan expert untuk tiap skor.
Contoh template nilai (TOPSIS):
Responden pengguna .
ata prime.
Peran: pengujian penerimaan/usability sistem, penyedia profil nyata .
sia, berat, tinggi, aktivitas, riwayat kesehata.
, dan validasi kasus.
Komposisi: 30Ae200 wanita dewasa .
isarankan minimum 30 untuk pilot.
ideal Ou100 untuk analisis statisti.
Sampling: convenience atau stratified .
rentang usia 18Ae30, 31Ae45, 46Ae.
Data yang dikumpulkan: demografis, antropometri .
erat, tinggi Ie IMT), aktivitas fisik, kondisi kesehatan, tujuan diet, feedback terhadap rekomendasi (Liker.
Usia .
Diet Mediterani Sumber: jurnal ilmiah, buku teks gizi (Almatsier.
Whitney & Rolfes, dsb.
), pedoman WHO/Kemenkes, database nutrisi .
USDA FoodData Central atau sumber loka.
, dan guideline resmi untuk diet (Mediterania.
DASH).
Peran: menentukan alternatif diet yang dianalisis, parameter kinerja .
alori rata-rata, porsi makronutrien, kontraindikas.
, serta dasar konversi skor kriteria.
4 Teknik Pengumpulan Data Ai Metode & Langkah Praktis Pengumpulan data untuk AHP .
embobotan kriteri.
Menyusun instrumen AHP: matriks perbandingan berpasangan .
airwise compariso.
untuk semua kriteria dan .
ika ad.
Gunakan skala Saaty .
Ae.
Distribusi ke ekspert:
o Format: Google Form / dokumen Word / kuesioner Cetak berisi matriks perbandingan.
o Prosedur: kirim bersama panduan pengisian dan Beri batas waktu pengisian .
1Ae2 Konsolidasi jawaban:
o Jika menggunakan beberapa ekspert, agregasi nilai perbandingan dilakukan dengan geometric mean antar ekspert sebelum menghitung bobot Uji konsistensi: hitung Consistency Ratio (CR) untuk setiap ekspert atau matriks agregat.
minta revisi jika CR Ou 0.
IMT.
ost/benefit Aktivitas Status Pengumpulan data pengguna .
alidasi & usabilit.
Data sekunder .
iteratur & data tekni.
C Form profil: isian usia, berat .
, tinggi .
, aktivitas fisik .
, riwayat penyakit .
, tujuan diet.
Pengukuran antropometri: timbang dengan timbangan terkalibrasi, pengukuran tinggi dengan stadiometer Hitung
IMT
/tinggi.
^2.
Catat tanggal & alat ukur.
Uji coba sistem: pengguna memasukkan profil.
mengeluarkan rekomendasi.
catat rekomendasi dan minta pengguna/ahli memberi penilaian kesesuaian.
Kuesioner evaluasi: skala Likert 1Ae5 untuk:
kepercayaan terhadap rekomendasi, niat mengikuti Sertakan pertanyaan terbuka untuk Metode pengumpulan: online (Google Form prototipe we.
atau tatap muka .
aper pengisian di Wawancara / Delphi .
psional namun direkomendasika.
Wawancara semi-terstruktur dengan 5Ae10 ahli untuk menggali justifikasi kriteria, batasan medis, dan validasi alternatif.
Delphi rounds .
Ae3 putara.
bila ingin mencapai konsensus lebih kuat tentang bobot kriteria atau skor 5 Instrumen Ai Contoh & Format Contoh format AHP .
airwise matri.
C Matriks nyn.
setiap cell: angka 1Ae9.
Lampirkan petunjuk interpretasi skala Saaty.
Contoh item AHP .
eks untuk kuesione.
Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.
International Research on Big Data and Computer Technology Matriks Pebandingan berpasangan kriteria Tabel 1 Kriteria perbandingan berpasangan Nilai 2,4,6,8 Keterangan Sama Penting Sedikit lebih penting Lebih penting Sangat lebih penting Mutlak sangat penting Mendekati Form Profil Pengguna .
ontoh fiel.
Tabel 2 Form Profil Pengguna Form Profil Pengguna ID responden Usia Jenis kelamin Berat badan Tinggi badan Aktivitas fisik Riwayat kesehatan Tujuan diet Persetujuan Deskripsi Berisi ID responden yang bersifat anonim Jumlah usia responden .
Menyatakan Jenis kelamin responden (Wanit.
Berat badan responden berdasarkan alat & tanggal pengukuran (K.
Tinggi badan responden berdasarkan alat & tanggal pengukuran (C.
Aktivitas fisik responden dengan pilihan:
sedentary/moderate/active Riwayat Kesehatan Responden yang terdapat pada checkbox: diabetes, hipertensi, tiroid, alergi, lain turun berat/menjaga/tingkatkan otot informed consent checkbox Kuesioner Evaluasi (Liker.
C AuSaya merasa rekomendasi yang diberikan jelasAy .
sangat tidak setuju Ai 5: sangat setuj.
C AuSaya percaya rekomendasi ini sesuai dengan kondisi sayaAy A dst.
6 Teknik konversi & skoring .
upaya data siap untuk AHP & TOPSIS) Konversi kategori Ie numerik .
ontoh standa.
C Aktivitas fisik: Sedentary = 1.
Moderate = 2.
Active = C Status kesehatan: Kronis = 1.
Kondisi ringan/terkontrol = 2.
Sehat = 3.
C Tujuan diet: Penurunan berat = bobot preferensi tersendiri .
imasukkan dalam profil preferens.
Kategori IMT (Berdasarkan WHO) Ie skor .
C IMT < 18.
Ie skor 2 C 18.
5Ae24.
Ie skor 3 C 25.
0Ae29.
Ie skor 1 .
ika tujuan menurunkan berat jadi kriteria cost/benefit perlu disesuaika.
Catatan: mapping harus konsisten dan didokumentasikan di ISSN 2356-397 Skala penilaian alternatif (TOPSIS) C Gunakan skala 1Ae10 atau nilai numerik nyata .
alori, gram protei.
Jika menggunakan skala 1Ae10, definisikan rentang & kriteria penilaiannya agar antarexpert konsisten.
7 Validasi Instrumen & Quality Control Uji Isi (Content Validit.
: mintakan review instrumen AHP & kuesioner ke 2Ae3 ahli.
hitung Content Validity Index (CVI) jika perlu.
Pilot test: lakukan piloting pada 5Ae10 responden/2Ae3 ekspert untuk mengecek kejelasan instrumen & revisi bila perlu.
Reliabilitas: untuk kuesioner evaluasi, hitung CronbachAos alpha .
arget Ou 0.
Konsistensi AHP: minta expert memperbaiki perbandingan jika CR Ou 0.
Standarisasi pengukuran: training singkat bagi enumerator untuk pengukuran berat/tinggi.
8 Penanganan Data Hilang.
Outlier.
Anonimisasi Missing data: upaya pertama menghubungi responden.
bila tidak tersedia, gunakan imputasi median untuk variabel numerik sederhana atau eksklusi kasus pada analisis tertentu .
aporkan jumlah kasus hilan.
Outlier: verifikasi ulang data .
IMT > .
klarifikasi atau eksklusi jika input jelas salah.
Anonimisasi: simpan data identitas terpisah.
kode responden di dataset yang dianalisis.
9 Pengelolaan & Penyimpanan Data Format penyimpanan: CSV / Excel untuk dataset.
PDF/Word untuk kuesioner tertulis.
audio rekaman wawancara .
ika ad.
disimpan terenskripsi.
Perangkat lunak: Excel/Google Sheets .
reprocessing & template TOPSIS).
Python/R/SPSS/Jamovi .
nalisis statisti.
NVivo/Atlas.
nalisis kualitatif bila ada wawancar.
Keamanan: folder terenkripsi, akses terbatas peneliti backup berkala.
10 Etika Pengumpulan Data Informed consent: semua partisipan .
xpert & penggun.
menandatangani persetujuan .
isa Hak peserta: berhak menarik diri kapan saja tanpa Persetujuan etika: ajukan protokol ke komite etik/institusi bila penelitian melibatkan data kesehatan sensitif.
11 Contoh Alur Pengumpulan .
rutan prakti.
Kajian pustaka & penentuan kriteria/alternatif awal.
Penyusunan instrumen AHP & TOPSIS.
validasi isi oleh 2 ahli.
Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.
International Research on Big Data and Computer Technology Pilot instrumen .
ekspert, 10 penggun.
Ai revisi.
Distribusi kuesioner AHP ke panel ekspert Ie perolehan matriks perbandingan.
Hitung bobot AHP .
gregasi & uji konsistens.
Expert menilai performa alternatif Ie isi matriks TOPSIS.
Input profil pengguna & pengujian prototipe Ie kumpulkan data evaluasi & usability.
Analisis TOPSIS, validasi perbandingan dengan rekomendasi expert, analisis statistik & sensitivitas.
3 Hasil Dan Pembahasan 1 Hasil Penelitian Hasil penelitian menunjukkan bahwa sistem pendukung keputusan yang dikembangkan mampu menghasilkan rekomendasi program diet yang sesuai dengan kebutuhan Dengan Penjabaran sebagai berikut :
Berdasarkan hasil pengolahan data menggunakan metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), diperoleh hasil pembobotan dan perankingan alternatif program diet sebagai berikut.
Hasil Pembobotan Kriteria (Metode AHP) Dari hasil perbandingan berpasangan antar kriteria yang dilakukan oleh responden ahli gizi dan pengguna wanita dewasa, diperoleh bobot prioritas sebagai berikut:
Kriteria
Bobot Prioritas Kalori harian 0,35 Keseimbangan nutrisi
0,25
Kemudahan penerapan 0,20 Efektivitas penurunan berat badan
0,15
Risiko kesehatan 0,05 Nilai Consistency Ratio (CR) sebesar 0,07, yang menunjukkan bahwa hasil perbandingan berpasangan masih dalam batas konsistensi yang dapat diterima (< 0,.
Hasil Perhitungan Alternatif (Metode TOPSIS) Setelah dilakukan normalisasi dan pembobotan matriks keputusan, diperoleh nilai closeness coefficient .
ilai kedekatan relati.
untuk masing-masing alternatif diet:
Nilai Kedekatan Relatif
Alternatif Diet
Ranking (Ci*) Diet Mediterania
0,74
Diet Mayo
0,62
Diet Rendah
0,55
Karbo Diet Vegetarian 0,48 Nilai 0,74 menunjukkan bahwa Diet Mediterania merupakan alternatif yang paling mendekati solusi ideal, sehingga direkomendasikan sebagai program diet terbaik bagi wanita dewasa tanpa kondisi medis berat.
Hasil penelitian ini memiliki implikasi praktis yang signifikan.
Sistem Pendukung Keputusan yang dikembangkan dapat membantu pengguna Ai khususnya wanita dewasa Ai untuk menentukan program diet yang sesuai dengan kebutuhan dan preferensi mereka, tanpa harus melakukan konsultasi langsung dengan ahli gizi.
Sistem ini juga dapat menjadi alat bantu awal bagi tenaga kesehatan dalam memberikan rekomendasi diet yang cepat, terukur, dan berbasis data.
ISSN 2356-397
Hasil ini menunjukkan bahwa diet mediterania merupakan alternatif terbaik dalam studi kasus ini karena dinilai paling mendekati solusi ideal.
Hal ini dapat dijelaskan karena diet mediterania menekankan konsumsi makanan sehat seperti sayur, buah, ikan, minyak zaitun, dan kacang-kacangan yang mendukung kesehatan metabolik serta menjaga keseimbangan asupan nutrisi.
Sementara itu, diet intermittent fasting menempati posisi kedua karena memiliki efektivitas cukup tinggi dalam penurunan berat badan, namun masih memerlukan penyesuaian pola makan yang ketat bagi sebagian orang.
Diet rendah karbohidrat berada di posisi terakhir karena meskipun efektif dalam jangka pendek, program ini berisiko menimbulkan ketidakseimbangan nutrisi jika dilakukan dalam jangka panjang.
Pembahasan hasil penelitian ini selaras dengan literatur sebelumnya, di mana beberapa studi melaporkan bahwa diet mediterania memiliki korelasi positif dengan peningkatan kualitas hidup, penurunan risiko penyakit jantung, serta peningkatan fungsi kognitif.
Hasil ini membuktikan bahwa integrasi metode AHP dan TOPSIS dapat digunakan sebagai pendekatan ilmiah dalam membantu pengambilan keputusan yang kompleks, khususnya terkait pemilihan program diet yang harus mempertimbangkan berbagai faktor.
Selain itu, sistem yang dikembangkan juga memiliki nilai praktis karena dapat digunakan secara fleksibel untuk kondisi individu yang berbeda.
Apabila bobot kriteria disesuaikan, maka hasil perankingan alternatif diet juga dapat berubah.
Misalnya, pada individu dengan keterbatasan biaya, kriteria biaya mungkin menjadi lebih dominan, sehingga menghasilkan rekomendasi diet yang berbeda.
Dengan demikian, sistem ini tidak hanya bermanfaat sebagai alat rekomendasi, tetapi juga sebagai sarana edukasi bagi wanita dalam memahami pentingnya memilih program diet yang tepat dan sesuai dengan kondisi kesehatan serta kebutuhan masing-masing.
2 Pembahasan Ringkasan singkat proses analisis Pembobotan kriteria menggunakan AHP .
airwise comparison oleh panel ekspert hipoteti.
Kriteria yang dipakai: Usia.
IMT.
Aktivitas Fisik.
Status Kesehatan.
Tujuan Diet.
Perankingan alternatif menggunakan TOPSIS.
Alternatif yang dianalisis: Low-calorie.
High-protein.
Mediterranean.
DASH.
Untuk memperlihatkan output, dilakukan simulasi pada 3 profil pengguna (Profile 1: muda & kelebihan berat.
Profile 2: paruh baya obes hipertensi.
Profile 3: lansia berat normal/prediabete.
Hasil pembobotan AHP .
Matriks perbandingan berpasangan .
dan hasil perhitungan eigen menghasilkan bobot berikut .
ilai Kriteria & bobot .
C Usia (Ag.
: 0.
C IMT: 0.
C Aktivitas Fisik: 0.
Status Kesehatan: 0.
4575 Ia paling penting menurut AHP contoh ini C Tujuan Diet: 0.
C Konsistensi:
C _max = 5.
C CI = 0.
Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.
International Research on Big Data and Computer Technology CR = 0.
0171 (< 0.
Ie matriks perbandingan konsisten.
Interpretasi: pada contoh ini, panel ekspert menilai status kesehatan .
ada hipertensi, diabetes, dsb.
) adalah faktor paling menentukan dalam memilih jenis diet, diikuti IMT dan tujuan diet.
2 Studi kasus .
Ai input & hasil TOPSIS Profil yang diuji .
C Profile 1 Ai Young Overweight o Usia 25 th.
IMT 28 .
, o Aktivitas: moderate.
Kesehatan: sehat.
Tujuan:
weight loss.
C Profile 2 Ai Middle-aged Hypertensive Obese o Usia 45 th.
IMT 31 .
, o Aktivitas: sedentary.
Kesehatan: hipertensi.
Tujuan: health / control BP.
C Profile 3 Ai Older Normal Weight o Usia 55 th.
IMT 23 .
, o Aktivitas: sedentary.
Kesehatan: prediabetes.
Tujuan: maintain/improve health.
Untuk tiap profil dibuat matriks kinerja .
ilai suitability 1Ae .
antar-alternatif terhadap tiap kriteria berdasarkan aturan konversi yang telah ditentukan .
ihat Metod.
Hasil lengkap Ai Profile 1 (Young Overweigh.
Matriks kinerja (X) Ai skor suitability .
cale 1Ae.
Alternatif \ Age IMT Activity Health Goal Kriteria Low-calorie High-protein Mediterranean DASH Hasil TOPSIS .
ilai closeness coefficient C dan peringka.
C .
Ae Alternatif Peringkat High-protein Low-calorie Mediterranean 0.
DASH
Interpretasi (Profile .
: SPK merekomendasikan Highprotein sebagai pilihan utama, diikuti Low-calorie.
Ini logis untuk profil muda dengan IMT berlebih dan tujuan penurunan berat karena pola tinggi protein dapat meningkatkan kenyang dan membantu mempertahankan massa otot saat defisit kalori Ai sehingga cocok untuk orang yang ingin menurunkan berat namun tetap aktif.
Hasil Ai Profile 2 (Middle-aged.
Hypertensive.
Obes.
Matriks kinerja (X) .
Alternatif Age IMT Activity Health Goal Low-calorie High-protein Mediterranean DASH Hasil TOPSIS:
Alternatif
Peringkat
DASH
Mediterranean Low-calorie High-protein
ISSN 2356-397
Interpretasi (Profile .
: DASH (Dietary Approaches to Stop Hypertensio.
menjadi rekomendasi utama Ai ini sesuai tujuan klinis kasus: hipertensi.
TOPSIS menempatkan DASH tinggi karena skor kriteria Status Kesehatan dan Age yang mendukung pola DASH untuk pasien hipertensi.
Jadi sistem merefleksikan prioritas kesehatan .
ang juga tertinggi pada bobot AHP).
Hasil Ai Profile 3 (Older.
Normal weight.
Prediabete.
Matriks kinerja (X) .
Alternatif Age IMT Activity Health Goal Low-calorie High-protein Mediterranean DASH Hasil TOPSIS:
Alternatif Peringkat Mediterranean 0.
DASH
High-protein 0.
Low-calorie Interpretasi (Profile .
: Mediterranean diet unggul untuk profil lansia dengan tujuan menjaga kesehatan/prediabetes Ai karena pola ini menekankan makanan nabati, lemak tak jenuh, dan memiliki bukti manfaat metabolik dan kardiovaskular.
SPK menempatkannya sebagai pilihan terbaik.
Analisis sensitivitas .
Untuk mengecek kestabilan rekomendasi terhadap perubahan bobot, dilakukan simulasi pengacakan bobot (Monte-Carl.
dengan variasi bobot A10% .
etelah Hasil ringkas:
C Profile 1: pada 1000 simulasi A10% bobot.
High-protein tetap menjadi top-1 di semua simulasi Ie sangat robust.
C Profile 2: 1000 simulasi A10% bobot Ie DASH tetap top-1 di semua simulasi.
C Profile 3: 1000 simulasi A10% bobot Ie Mediterranean tetap top-1 di semua simulasi.
Kesimpulan sensitivitas: pada contoh ini, rekomendasi top-1 relatif stabil terhadap variasi bobot moderat.
Hal ini menunjukkan bahwa perbedaan nilai kinerja antar alternatif cukup signifikan sehingga ranking tidak mudah berubah oleh fluktuasi bobot kecil.
Hasil penelitian ini memiliki implikasi praktis dalam kehidupan sehari-hari.
Sistem Pendukung Keputusan yang dikembangkan dapat membantu pengguna, khususnya wanita dewasa, dalam menentukan program diet yang sesuai dengan kebutuhan dan preferensi mereka tanpa harus melakukan konsultasi langsung dengan ahli gizi.
Dengan demikian, sistem ini dapat menjadi alat bantu awal dalam pemilihan diet yang lebih cepat, efisien, dan berbasis data
4 KESIMPULAN
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).
Penelitian ini berhasil membangun Sistem Pendukung Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.
International Research on Big Data and Computer Technology ISSN 2356-397 Keputusan (SPK) untuk pemilihan program diet bagi wanita dengan mengintegrasikan metode AHP dan TOPSIS.
Hasil AHP menunjukkan bahwa kondisi kesehatan merupakan kriteria dengan bobot tertinggi .
, diikuti efektivitas program .
, kebutuhan kalori harian .
, biaya .
, dan preferensi makanan .
Perangkingan alternatif diet menggunakan TOPSIS menunjukkan bahwa:
Diet Mediterania .
menempati peringkat pertama.
Diet Intermittent Fasting .
menempati peringkat Diet Rendah Karbohidrat .
menempati peringkat Diet Mediterania direkomendasikan sebagai alternatif
terbaik karena dinilai paling seimbang dari sisi nutrisi, efektivitas, dan dampak positif bagi kesehatan jangka
Integrasi metode AHP dan TOPSIS terbukti efektif untuk membantu proses pengambilan keputusan yang kompleks dalam bidang kesehatan, khususnya pemilihan program
DAFTAR RUJUKAN
Saaty.
The Analytic Hierarchy Process: Planning.
Priority Setting.
Resource Allocation.
New York:
McGraw-Hill.
Saaty.
Decision making with the analytic hierarchy process.
International Journal of Services Sciences, 1.
, 83Ae98.
Hwang.
, & Yoon.
Multiple Attribute Decision Making: Methods and Applications.
Berlin: Springer.
Oikonomou.
, & Antoniou.
The Mediterranean diet and its health benefits: A literature review.
Nutrition & Health, 26.
, 1Ae10.
Varady.
, & Hellerstein.
Alternate-day fasting and chronic disease prevention: A review of human and animal trials.
The American Journal of Clinical Nutrition, 90.
, 1Ae7.
Hu.
Mills.
Yao.
Demanelis.
Eloustaz.
Yancy.
, .
& Bazzano.
Effects of low-carbohydrate diets versus low-fat diets on metabolic risk factors: a meta-analysis of randomized Controlled clinical trials.
American Journal of Epidemiology, 176.
S44AeS54.
Turban.
Sharda.
, & Delen.
Decision Support and Business Intelligence Systems .
th ed.
Boston:
Pearso.
Sistem Pendukung Keputusan Rekomendasi Jenis Diet Sehat bagi Wanita Berdasarkan Usia.