Integrasi K-Means dan Random Forest untuk Rekomendasi Menu Makanan Bergizi (MBG) Berdasarkan Usia Penerima: Integration of K-Means and Random Forest for Recommendation of Nutritious Food Menu (MBG) Based on Recipient Age

Miftahul Jannah (Politeknik Negeri Bengkalis)
Ajang Sopandi (Universitas Muhammadiyah Tangerang)
Ryan Zulham Ramadhani (Universitas Muhammadiyah Tangerang)
Hengki Rusdianto (Universitas Muhammadiyah Tangerang)
Khelvin Ovella Putra (Institut Teknologi Mitra Gama)

Malcom: Indonesian Journal of Machine Learning and Computer Science
Vol. 6 No. 3 (2026): MALCOM July 2026

Program Makan Bergizi Gratis (MBG) bertujuan meningkatkan kualitas gizi anak-anak sebagai upaya mendukung pertumbuhan dan kesehatan peserta didik, namun implementasinya menu makanan MBG yang diberikan setiap harinya masih belum sesuai dengan kebutuhan peserta didik disekolah karena tidak berdasarkan kelompok usia. Perbedaan usia, berat badan, dan tinggi badan memengaruhi kebutuhan nutrisi sehingga diperlukan pendekatan berbasis data untuk menghasilkan rekomendasi menu makanan MBG yang tepat. Penelitian ini mengusulkan integrasi algoritma K-Means Clustering dan Random Forest untuk mengelompokkan penerima berdasarkan kelompok usia peserta didik sehingga nutrisi yang diberikan sesuai dengan rekomendasi status gizi WHO serta Angka Kecukupan Gizi (AKG) Kementerian Kesehatan RI. Data yang digunakan berjumlah 1190 data menu pangan sebagai studi awal pengembangan sistem. Hasil clustering digunakan sebagai dasar pengelompokan menu makanan berdasarkan kategori gizi dari data menu pangan dan menggunakan Random Forest dalam menentukan menu harian berdasarkan data AKG. Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu memberikan rekomendasi menu makanan bergizi secara otomatis sesuai dengan karakteristik individu. Penelitian ini menunjukkan bahwa integrasi metode clustering dan klasifikasi efektif dalam mendukung sistem rekomendasi menu makanan bergizi berbasis data.