This Author published in this journals
All Journal Jurnal Rister
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Optimasi Komposisi Menu MBG Berbasis Graph Neural Network dan Explainable AI Ismail Ismail; Ririn Eka Aryanti
Jurnal RISTER : Riset Sistem Cerdas Vol 3 No 1 (2026): Jurnal RISTER : Riset Sistem Cerdas
Publisher : Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Program Makan Bergizi Gratis (MBG) membutuhkan perencanaan menu yang seimbang, bervariasi, dan mudah dievaluasi berdasarkan kecukupan gizi. Permasalahan utama dalam penyusunan menu adalah banyaknya kombinasi bahan pangan yang harus dipertimbangkan, seperti energi, protein, lemak, karbohidrat, serat, kalsium, biaya, dan ketersediaan bahan. Penelitian ini bertujuan mengembangkan model optimasi komposisi menu MBG berbasis Graph Neural Network (GNN) dan Explainable AI. Data penelitian berupa simulasi komposisi bahan pangan yang disusun berdasarkan kelompok karbohidrat, protein, sayur, buah, dan susu. Setiap bahan pangan direpresentasikan sebagai node, sedangkan hubungan kesesuaian antar bahan direpresentasikan sebagai edge pada graf menu. Model GNN digunakan untuk mempelajari pola hubungan antar bahan dan menghasilkan skor kesesuaian menu. Explainable AI digunakan untuk menafsirkan kontribusi setiap komponen nutrisi terhadap rekomendasi. Hasil pengujian menunjukkan bahwa model GNN memperoleh skor kesesuaian gizi sebesar 94,20%, lebih tinggi dibandingkan rule-based sebesar 84,20% dan MLP sebesar 89,10%. Faktor paling berpengaruh terhadap optimasi menu adalah protein, energi, kalsium, dan serat. Hasil penelitian menunjukkan bahwa GNN dan Explainable AI dapat mendukung penyusunan menu MBG yang lebih objektif, transparan, dan berbasis data