BAB II LANDASAN TEORI
2.1 Desain Perangkat Lunak dan Rekayasa Perangkat Lunak
Desain perangkat lunak berada pada inti teknik dari proses rekayasa perangkat lunak dan diaplikasikan tanpa memperhatikan model proses perangkat lunak yang digunakan. Begitu persyaratan perangkat lunak telah mulai dianalisis dan ditentukan, maka desain perangkat lunak menjadi yang pertama dari tiga aktivitas teknik – desain, pembuatan kode, dan pengujian – yang diperlukan untuk membangun dan menguji perangkat lunak. Masing-masing aktivitas memindahkan informasi dengan suatu cara yang terutama menghasilkan perangkat lunak komputer yang tervalidasi. Masing-masing elemen model analisis memberikan informasi yang diperlukan untuk menciptakan suatu model. Aliran informasi selama desain perangkat lunak ditunjukkan pada Gambar 2.1. Persyaratan perangkat lunak, yang dimanifestasi oleh data, fungsional, dan modelmodel perilaku, mengisi langkah desain. Dengan menggunakan satu dari sejumlah metode desain, langkah desain menghasilkan desain data, desain arsitektur, desain interface, serta desain prosedural.
8
9
Gambar 2.1 Menerjemahkan Model Analisis ke Dalam Suatu Model Desain Perangkat Lunak. (Pressman, 2002) Dibawah ini adalah penjelasan dari gambar diatas, yaitu: 1. Elemen Model Analisis Pada inti model ada kamus data (data dictionary) – penyimpan yang berisi deskripsi dari semua objek data yang dikonsumsi atau diproduksi oleh perangkat lunak. Disitu ada 3 (tiga) diagram yang mengelilingi inti, diantaranya: •
Entity-relationship diagram (ERD) Menggambarkan hubungan antara objek data. ERD adalah notasi yang digunakan untuk melakukan aktivitas pemodelan data. Atribut dari masing-masing objek data yang ditulis pada ERD dapat digambarkan dengan menggunakan deskripsi objek data.
10 •
Data flow diagram (DFD) DFD melayani dua tujuan, yaitu untuk memberikan indikasi mengenai bagaimana data ditransformasi pada saat data bergerak melalui sistem; dan untuk menggambarkan fungsi-fungsi (dan sub fungsi) yang mentransformasi aliran data. DFD memberikan informasi tambahan yang digunakan selama analisis domain informasi dan berfungsi sebagai dasar bagi pemodelan fungsi. Deskripsi setiap fungsi yang disajikan pada DFD diisikan dalam sebuah spesifikasi proses atau proses specification (PSPEC).
•
State-transition diagram (STD) Menunjukkan bagaimana sistem bertingkah laku sebagai akibat dari kejadian eksternal. Untuk melakukannya, STD menunjukkan berbagai model tingkah laku (disebut state) sistem dan cara dimana transisi dibuat dari state satu ke state lainnya. STD berfungsi sebagai dasar bagi permodelan tingkah laku. Informasi tambahan mengenai aspek kontrol dari perangkat lunak diisikan dalam spesifikasi kontrol atau control specification (CSPEC).
2. Elemen Model Desain •
Desain data Desain data mentransformasi model domain informasi yang dibuat selama analisis ke dalam struktur data yang akan diperlukan untuk mengimplementasi perangkat lunak. Objek dan hubungan data yang ditetapkan dalam diagram hubungan entitas (ERD) dan isi data detail yang digambarkan di dalam kamus data, menjadi basis bagi aktivitas desain data.
11 •
Desain arsitektural Desain arsitektural menentukan hubungan di antara elemenelemen struktural utama dari program. Representasi desain tersebut – kerangka kerja modular dari sebuah program komputer – dapat diperoleh dari model-model analisis dan interaksi subsistem yang ditentukan dalam model analisis.
•
Desain interface Desain
interface
atau
antarmuka,
menggambarkan
bagaimana perangkat lunak berkomunikasi dalam dirinya sendiri, dengan sistem yang berinteroperasi dengannya, dan dengan manusia yang menggunakannya. Interface mengimplikasikan aliran informasi (misal data dan atau kontrol) dengan demikian, data dan diagram aliran kontrol memberikan informasi yang dibutuhkan bagi desain interface. •
Desain prosedural Desain
prosedural
mentransformasi
elemen-elemen
struktural dari arsitektur program ke dalam suatu deskripsi prosedural dari komponen-komponen perangkat lunak. Informasi yang diperoleh dari PSPEC, CSPEC, dan STD berfungsi sebagai dasar bagi desain prosedural. 2.2 Pengantar Sistem Pakar
Seperti dipaparkan pada buku Pengembangan Sistem Pakar Menggunakan Visual Basic (2003, ANDI), banyak ahli ilmu komputer yang berkonsentrasi pada pengembangan kecerdasan buatan atau Artificial Intelligence (AI). AI adalah suatu bidang khusus dimana tujuannya adalah membuat komputer berpikir dan bertindak seperti manusia. Banyak implementasi AI dalam bidang komputer, misalnya Decision Support System (Sistem Pendukung Keputusan), Robotic,
12 Natural Language (Bahasa Alami), Neural Network (Jaringan Saraf), dan lainlain. Contoh bidang lain pengembangan kecerdasan buatan adalah sistem pakar yang menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah
yang
secara
normal
memerlukan
keahlian
manusia.
Tujuan
pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi untuk mensubstitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh banyak orang. Ada banyak manfaat yang dapat diperoleh dengan mengembangkan sistem pakar, antara lain: 1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kehadiran langsung seorang pakar. 2. Meningkatkan produktivitas kerja, yaitu bertambah efisiensi pekerjaan tertentu serta hasil solusi kerja. 3. Penghematan waktu dalam menyelesaikan masalah yang kompleks. 4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang. 5. Pengetahuan dari seorang pakar dapat didokumentasikan tanpa ada batas waktu. 6. Memungkinkan penggabungan berbagai bidang pengetahuan dan berbagai pakar untuk dikombinasikan. Berikut ini merupakan perbandingan antara kemampuan pakar manusia dan sistem komputer yang menjadi pertimbangan pengembangan sistem pakar: Tabel 2.1 Perbedaan Pakar Manusia dengan Sistem Pakar Pakar Manusia Terbatas
waktu
Sistem Pakar karena
manusia Tidak terbatas karena dapat digunakan
membutuhkan istirahat.
kapanpun juga.
Tempat akses bersifat lokal pada suatu Dapat digunakan di berbagai tempat. tempat saja dimana pakar berada.
13 Pengetahuan bersifat variable dan dapat Pengetahuan bersifat konsisten. berubah-ubah tergantung situasi. Kecepatan untuk menemukan solusi Kecepatan untuk memberikan solusi sifatnya bervariasi.
konsisten dan lebih cepat daripada manusia.
Biaya
yang
harus
dibayar
untuk Biaya yang dikeluarkan lebih murah.
konsultasi biasanya sangat mahal.
Selain banyak manfaat yang diperoleh, ada juga kelemahan pengembangan sistem pakar, yaitu: •
Daya kerja dan produktivitas manusia menjadi berkurang, karena semuanya dilakukan secara otomatis oleh sistem.
•
Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan dengan perangkat lunak konvensional. Hal ini dapat dilihat dari tabel perbandingan berikut ini: Tabel 2.2 Perbandingan Perangkat Lunak Konvensional dengan Sistem Pakar Perangkat Lunak Konvensional
Perangkat Lunak Sistem Pakar
Fokus pada solusi.
Fokus pada permasalahan.
Pengembangan
dapat
dilakukan Pengembangan dilakukan oleh tim
secara individu.
kerja.
Pengembangan secara sekuensial.
Pengembangan secara iteratif.
2.2.1 Ciri dan Karakteristik
Ada berbagai ciri dan karakteristik yang membedakan sistem pakar dengan sistem yang lain. Ciri dan karakteristik ini menjadi pedoman utama dalam pengembangan sistem pakar. Ciri dan karakteristik yang dimaksud adalah sebagai berikut:
14 1. Pengetahuan sistem pakar merupakan suatu konsep, bukan berbentuk numeris. Hal ini dikarenakan komputer melakukan proses pengolahan data secara numerik sedangkan keahlian dari seorang pakar adalah fakta dan aturan-aturan, bukan numerik. 2. Informasi dalam sistem pakar tidak selalu lengkap, subyektif, tidak konsisten, subyek terus berubah dan tergantung pada kondisi lingkungan sehingga keputusan yang diambil bersifat tidak pasti dan tidak mutlak “ya” atau “tidak” akan tetapi menurut kebenaran tertentu. Oleh karena itu dibutuhkan kemampuan sistem untuk belajar secara mandiri dalam menyelesaikan
masalah-masalah
dengan
pertimbangan-pertimbangan
khusus. 3. Kemungkinan solusi sistem pakar terhadap suatu permasalahan adalah bervariasi dan mempunyai banyak pilihan jawaban yang dapat diterima, semua faktor yang ditelusuri memiliki ruang masalah yang luas dan tidak pasti. Oleh karena itu diperlukan fleksibilitas sistem dalam menangani kemungkinan solusi dari berbagai permasalahan. 4. Perubahan atau pengembangan pengetahuan dalam sistem pakar dapat terjadi setiap saat bahkan sepanjang waktu sehingga diperlukan kemudahan
dalam
modifikasi
sistem
untuk
menampung
jumlah
pengetahuan yang semakin besar dan semakin bervariasi. 5. Pandangan dan pendapat setiap pakar tidaklah selalu sama, yang oleh karena itu tidak ada jaminan bahwa solusi sistem pakar merupakan jawaban yang pasti benar. Setiap pakar akan memberikan pertimbanganpertimbangan berdasarkan faktor subyektif. 6. Keputusan merupakan bagian terpenting dari sistem pakar. Sistem pakar harus memberikan solusi yang akurat berdasarkan masukan pengetahuan meskipun solusinya sulit sehingga fasilitas informasi sistem harus selalu diperlukan.
15 2.2.2 Bidang-bidang Pengembangan Sistem Pakar
Ada banyak area atau wilayah yang menjadi daerah kerja AI yaitu jaringan saraf, sistem persepsi, robotic, bahasa ilmiah, sistem pendukung keputusan, sistem informasi berbasis manajemen dan sistem pakar. Tiap daerah kerja AI memiliki potensi dalam memecahkan masalah, tetapi keunggulan utama ada dalam bentuk pengetahuan dari pakar manusia secara heuristic dalam sistem pakar. Heuristik sendiri berasal dari bahasa Yunani yaitu Eureka yang berarti menemukan. Heuristik dalam sistem pakar tidak menjamin hasil yang spesifik untuk dimanfaatkan karena sistem pakar berfungsi secara konsisten seperti seorang pakar manusia, menawarkan nasihat kepada pemakai dan menemukan solusi terhadap berbagai permasalahan yang spesifik. Ada berbagai kategori pengembangan sistem pakar, antara lain: 1. Kontrol. Contoh pengembangan banyak ditemukan dalam kasus pasien di rumah sakit, di mana dengan kemampuan sistem pakar dapat dilakukan kontrol terhadap cara pengobatan dan perawatan melalui sensor data atau kode alarm dan memberikan solusi terapi pengobatan yang tepat bagi si pasien yang sakit. 2. Desain. Contoh sistem pakar dibidang ini adalah PEACE yang dibuat oleh Dincbas pada tahun 1980 untuk membantu disain pengembangan sirkuit elektronik. Contoh lain adalah sistem pakar untuk membantu desain komputer dengan komponen-komponennya. 3. Diagnosis. Pengembangan sistem pakar terbesar adalah dibidang diagnosis, seperti diagnosis penyakit, diagnosis kerusakan mesin kendaraan bermotor, diagnosis kerusakan komponen komputer, dan lainlain. 4. Instruksi. Instruksi merupakan pengembangan sistem pakar yang sangat berguna dalam bidang ilmu pengetahuan dan pendidikan, dimana sistem pakar dapat memberikan instruksi dan pengajaran tertentu terhadap suatu topik permasalahan. Contoh pengembangan sistem pakar dibidang ini
16 adalah sistem pakar untuk pengajaran bahasa Inggris, sistem pakar untuk pengajaran astronomi dan lain-lain. 5. Interpretasi. Sistem pakar yang dikembangkan dalam bidang interpretasi melakukan proses pemahaman akan suatu situasi dari beberapa informasi yang direkam. Contoh sistem yang dikembangkan dewasa ini adalah sistem
untuk
melakukan
sensor
gambar
dan
suara
kemudian
menganalisisnya dan kemudian membuat suatu rekomendasi berdasarkan rekaman tersebut. 6. Monitor. Sistem pakar dibidang ini banyak digunakan militer, yaitu menggunakan sensor radar kemudian menganalisisnya dan menentukan posisi obyek berdasarkan posisi radar tersebut. 7. Perencanaan. Perencanaan banyak digunakan dalam bidang bisnis dan keuangan suatu proyek, dimana sistem pakar dalam membuat perencanaan suatu pekerjaan berdasarkan jumlah tenaga kerja, biaya dan waktu sehingga pekerjaan menjadi lebih efisien dan lebih optimal. 8. Prediksi. Sistem pakar ini mampu memprediksi kejadian masa mendatang berdasarkan informasi dan model permasalahan yang dihadapi. Biasanya sistem memberikan simulasi kejadian masa mendatang tersebut, misalnya memprediksi tingkat kerusakan tanaman apabila terserang hama dalam jangka waktu tertentu. Program ini dibuat pada tahun 1983 oleh Boulanger dengan nama PLANT. 9. Seleksi. Sistem pakar dengan seleksi mengidentifikasikan pilihan terbaik dari beberapa daftar pilihan kemungkinan solusi. Biasanya sistem mengidentifikasikan permasalahan secara spesifik, kemudian mencoba untuk menemukan solusi yang paling mendekati kebenaran. Simulasi. Sistem ini memproses operasi dari beberapa variasi kondisi yang ada dan menampilkannya dalam bentuk simulasi. Contoh adalah program PLANT yang sudah menggabungkan antara prediksi dan simulasi, dimana program tersebut mampu menganalisis hama dengan berbagai kondisi suhu dan cuaca.
17 2.2.3 Struktur Sistem Pakar
Sesuai dengan penjelasan dari Jackson (1998), pada bukunya yang berjudul Introduction to Expert System , Sistem pakar terdiri dari 2 bagian pokok, yaitu: lingkungan pengembangan (development environtment) dan lingkungan
konsultasi
(consultation
environtment).
Lingkungan
pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi.
Gambar 2.2 Struktur Sistem Pakar (Kusumadewi, 2003) Komponen-komponen yang ada pada sistem pakar pada gambar diatas adalah: 1. Subsistem penambahan pengetahuan. Bagian ini digunakan untuk memasukkan
pengetahuan,
mengkonstruksi
atau
memperluas
pengetahuan dalam basis pengetahuan. Pengetahuan itu bisa berasal dari: ahli, buku, basis data, penelitian, dan gambar. 2. Basis pengetahuan. Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan menyelesaikan masalah.
18 3. Motor inferensi (inference engine). Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasiinformasi dalam basis pengetahuan dan blackboard serta digunakan untuk memformulasikan konklusi. Ada 3 elemen utama dalam motor inferensi, yaitu: •
Interpreter: mengeksekusi item-item agenda yang terpilih dengan menggunakan aturan-aturan dalam basis pengetahuan yang sesuai.
•
Scheduler: akan mengontrol agenda.
•
Consistency enforcer: akan berusaha memelihara kekonsistenan dalam merepresentasikan solusi yang bersifat darurat.
4. Blackboard. Merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada 3 tipe keputusan yang dapat direkam, yaitu: •
Rencana: bagaimana menghadapi masalah.
•
Agenda: aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi.
•
Solusi: calon aksi yang akan dibangkitkan.
5. Antarmuka. Digunakan untuk media komunikasi antara user dan program. 6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan: •
Mengapa suatu pertanyaan ditanyakan oleh sistem pakar?
•
Bagaimana konklusi dicapai?
•
Mengapa ada alternatif yang dibatalkan?
•
Rencana apa yang digunakan untuk mendapatkan solusi?
7. Sistem
penyaring
pengetahuan.
Sistem
ini
digunakan
untuk
mengevaluasi kinerja sistem pakar itu sendiri untuk melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.
19 2.2.4 Basis Pengetahuan
Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu : 1. Penalaran berbasis aturan (Rule-Based Reasoning). Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk : IF-THEN. Bentuk ini digunakan apabila kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menelesaikan msalah tersebut secara berurutan. Disamping itu, bentuk ini juga digunakan apabila
dibutuhkan
penjelasan
tentang
jejak
(langkah-langkah)
pencapaian solusi. 2. Penalaran berbasis kasus (Case-Based Reasoning). Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Selain itu, bentuk ini juga digunakan apabila kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.
2.2.5 Mesin Inferensi
Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu : 1.
Forward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.
2. Backward Chaining. Pencocokan fakta atau pernyataan di mulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji
20 kebenara hipotesis tersebut dicari harus dicari fakta-fakta yang ada dalam basis pengetahuan.
2.3 Smart Card Seperti yang disebutkan oleh Hartanto (2008) bahwa, Secara sederhana Smart Card dapat di analogi kan sebagai “credit card” yang memiliki “kecerdasan” didalamnya dalam bentuk chip komputer. Chip kecil tersebut dapat diprogram untuk menangani fungsi-fungsi tertentu maupun untuk menyimpan informasi. Smart card sering juga disebut sebagai chip card atau integrated circuit(s) card (ICC). Smart card sering pula dipersepsi kan sebagai sebuah chip microprocessor dengan ukuran sebesar kartu kredit (Rankl, 2003) dengan beragam property tamperresistant dan menyediakan layanan keamanan. Chip ini mempunyai kemampuan penyimpanan data yang lebih besar daripada magnetic strip yang biasa ditemukan pada bagian belakang suatu kartu kredit. Smart Card menawarkan keamanan tingkat tinggi, kenyamanan dan juga portabilitas (Al-Alawi, 2006). Smart card tampak seperti kartu kredit tetapi memiliki fungsi yang sama dengan komputer. Smart card dapat berfungsi sebagai penyimpan data, pembuat kalkulasi, pemroses data, dan eksekusi algoritma enkripsi (Husemann, 1999; Lassus, 1997; Turban dan McElroy, 1998). Smart card lebih sukar untuk di clone jika dibandingkan dengan kartu tradisional lainnya, hal ini disebabkan karena informasi yang disimpan di dalam smart card lebih kompleks. Dan informasi tersebut dapat di update. Smart card dapat dikategorikan dalam dua jenis, yaitu Contact Smart Card dan Contacless Smart Card. Contact Smart Card membutuhkan hubungan secara fisik terhadap reader sehingga reader dapat membuat kontak listrik secara langsung dengan chip. Contact Card sudah banyak digunakan pada berbagai macam aplikasi, termasuk transaksi keuangan dan kontrol akses logikal (Taherdoost, 2009).
21 Contactless Smart Card tidak membutuhkan hubungan secara fisik terhadap reader, tetapi dapat terhubung melalui jalur frekuensi radio dan mempunyai transmisi yang terhubung secara langsung (Al-Alawi, 2006). Dari hal tersebut maka Contactless Smart Card sangat cocok untuk aplikasi-aplikasi dimana manusia ataupun benda harus di identifikasi dengan cepat (Finkenzeller, 2003). Pada segi kehandalan Contact Smart Card dan Contactless Smart Card mempunyai keunggulan masing-masing. Dalam menghadapi penggunaan yang tidak lazim Contact Smart Card akan lebih dapat diandalkan dibandingkan dengan Contactless Smart Card dikarenakan komponen dan koneksi yang lebih sedikit. Menurut Everret ,1994, “Keuntungan Utama dari Contacless Smart Card adalah jalur komunikasi nya dapat di terima di hampir semua kondisi dimana Contact Smart Card tidak bisa. Contactless Smart Card lebih cepat dibandingkan dengan Contact Card dan mengeluarkan lebih banyak biaya untuk perusahaan”.
2.4 Ilmu Gizi
2.4.1
Angka Kecukupan Gizi yang Dianjurkan (AKG)
Seperti dipaparkan oleh Almatsier (2008), Angka Kecukupan Gizi yang Dianjurkan (AKG) atau Recommended Dietary Allowances (RDA) adalah tingkat konsumsi zat-zat gizi esensial yang dinilai cukup untuk memenuhi gizi hampir semua orang sehat di suatu Negara. AKG untuk Indonesia didasarkan atas patokan berat badan untuk masing-masing kelompok menurut umur, gender dan aktivitas fisik yang ditetapkan secara berkala melalui survey penduduk. Di samping itu, AKG disusun pula untuk kondisi khusus, yaitu bagi ibu hamil dan menyusui. AKG digunakan sebagai standar untuk mencapai status gizi optimal bagi penduduk dalam hal penyediaan pangan secara nasional dan regional serta penilaian
22 kecukupan gizi penduduk golongan masyarakat tertentu yang diperoleh dari konsumsi makanan. Selain kebutuhan gizi menurut umur, gender, aktivitas fisik, dan kondisi
dalam
keadaan
sakit,
penetapan
kebutuhan
gizi
harus
memperhatikan perubahan kebutuhan karena infeksi, gangguan metabolis, penyakit kronik, dan kondisi abnormal lainnya. Dalam hal ini perlu dilakukan perhitungan kebutuhan gizi secara khusus dan penerapannya dalam bentuk modifikasi diet atau diet khusus. Setiap negara memiliki AKG yang berbeda-beda. Di Indonesia AKG tersebut sudah disusun beberapa kali sejak tahun 1968 dan yang terakhir adalah pada Widya Karya Nasional Pangan dan Gizi tahun 1998. Daftar AKG inilah yang digunakan sebagai daftar acuan asupan nutrisi untuk karyawan. Tabel 2.3 Anjuran Makanan Rata-Rata Satu Hari untuk Orang Dewasa Menurut Golongan Umur (Dalam gram dan Ukuran Rumah Tangga) Golongan Umur (tahun)
Berat Badan (kg)
Nasi
Lauk
Sayuran
Buah
Minyak
Gula pasir
5g / /2 sdm
10g / 1 sdm
Daging Tempe 100g / 3 /4 gls
40g / 1 ptg
50g / 2 ptg
100g / 1 gls
100g / 1 ptg pepaya
1
Laki-laki 16-19 20-45 46-59 ≥ 60
56 62 62 62
8 x 91 / 2 x 8 x 61/2 x
3x 3x 3x 3x
3x 3x 3x 3x
11/2 x 11/2 x 11/2 x 11/2 x
3x 3x 3x 3x
5x 5x 5x 4x
4x 4x 4x 4x
Perempuan 16-19 20-45 46-59 ≥ 60
50 54 54 54
5 x 61 / 2 x 6 x 41/2 x
3x 3x 3x 3x
3x 3x 3x 3x
11/2 x 11/2 x 11/2 x 11/2 x
3x 3x 3x 3x
5x 5x 5x 4x
4x 4x 4x 4x
23 Keterangan: 1. Anjuran makan ini berlaku untuk orang sehat dengan aktivitas kerja sedang. 2. Bahan makanan yang tertera, dapat ditukar dengan bahan makanan lain dari golongan yang sama, sesuai dengan satuan penukar. 3. 100g nasi berasal dari 50g beras. 4. Lauk, sayuran, dan buah diukur dalam keadaan mentah.
2.4.2
Daftar Bahan Makanan Penukar
Daftar Bahan Makanan Penukar ini dapat digunakan dalam keadaan sehat maupun sakit. Daftar Bahan Makanan Penukar dibagi menjadi 8 golongan, yaitu: 1. Bahan makanan sumber karbohidrat. 2. Bahan makanan sumber protein hewani. 3. Bahan makanan sumber protein nabati. 4. Sayuran. 5. Buah-buahan. 6. Susu. 7. Minyak 8. Gula Tiap golongan bahan makanan disusun menurut jumlah zat gizinya yang setara atau ekivalen dengan energi, karbohidrat, lemak dan protein. Bahan makanan dalam jumlah tersebut dapat saling ditukar. Untuk penyusunan diet, memerlukan perhitungan yang lebih teliti dalam hal kandungan energi, karbohidrat, dan lemak, seperti pada penyakit Diabetes Melitus dan Dislipidermia.
24 2.4.3
Cara Menentukan Kebutuhan Gizi dalam Keadaan Sehat
Penentuan kebutuhan gizi seseorang dalam keadaan sehat dilakukan berdasarkan umur, gender, aktivitas fisik, serta kondisi khusus, yaitu ibu hamil dan menyusui.
2.4.3.1 Energi
Komponen utama yang menentukan kebutuhan energi adalah Angka Metabolisme Basal (AMB) atau Basal Metabolic Rate (BMR) dan aktifitas fisik. Cara menentukan AMB dipengaruhi oleh umur, gender, berat badan, dan tinggi badan, yaitu •
Menggunakan Rumus Harris Benedict (Almatsier, 2008; Institute of Medicine, 2004) Laki-laki
= 66 + (13.7 x BB) + (5 x TB) – (6,8 x U)
Perempuan = 655 + (9.6 x BB) + (1.8 x TB) – (4.7 x U) Keterangan :
BB = berat badan dalam kg TB = tinggi badan dalam cm U = umur dalam tahun
•
Cara cepat, ada 2 cara yaitu (Almatsier S, 2008) a) Laki-laki
= 1 kkal x kg BB x 24 jam
Perempuan = 0.95 kkal x kg BB x 24 jam b) Laki-laki
= 30 kkal x kg BB
Perempuan = 25 kkal x kg BB •
Cara FAO/WHO/UNU (Almatsier, 2008): Cara ini memperhatikan umur, gender, dan berat badan.
25 Tabel 2.4 Rumus FAO/WHO/UNU(1985) untuk Menentukan AMB AMB (kkal/hari) Laki-laki Perempuan 60.9 B - 54 61.0 B - 51 22.7 B + 495 22.5 B + 499 17.5 B + 651 12.2 B + 746 15.3 B + 679 14.7 B + 496 11.6 B + 879 8.7 B + 829 13.5 B + 487 10.5 B + 596
Kelompok umur 0-3 3 - 10 10 - 18 18 - 30 30 - 60 ≥ 60
Keterangan : B = Berat Badan Cara selanjutnya yaitu menentukan kebutuhan energi berdasarkan aktivitas fisik. Aktivitas fisik dapat dibagi dalam empat golongan, yaitu sangat ringan, ringan, sedang, dan berat. Kebutuhan energi untuk berbagai aktivitas fisik dinyatakan dalam kelipatan AMB. Tabel 2.5 Cara Menaksir Kebutuhan Energi Menurut Aktivitas dengan Menggunakan Kelipatan AMB Aktivitas Sangat Ringan *) Ringan **) Sedang **) Berat **)
Gender Laki-laki Perempuan 1.30 1.30 1.65 1.55 1.76 1.70 2.10 2.00
Sumber: *) Mahan, L.K., Arlin M.T. 2000. Krause’s Food, Nutrition & Diet Therapy.
**) Muhilal, Jalal F., Hardiansyah. 1998. Angka Kecukupan Gizi yang Dianjurkan, Widya Karya Pangan dan Gizi VI.
Berikut adalah contoh cara menaksir kebutuhan energi untuk seseorang perempuan berumur 30 tahun dengan berat badan 52 kg dan tinggi badan 158 cm dengan aktivitas ringan dengan menggunakan 4 cara adalah sebagai berikut.
26 (1)
Kebutuhan energi untuk AMB •
Harris Benedict = 655 + (9.6 x BB) + (1.8 x TB) – (4.7 x U) = 655 + (9.6 x 52) + (1.8 x 158) – (4.7 x 30) = 1297.6 kkal (dibulatkan 1298 kkal)
•
Rumus Cepat 1 = 0.95 kkal x kg BB x 24 jam = 0.95 kkal x 52 x 24 = 1185.8 kkal (dibulatkan 1186 kkal)
•
Rumus Cepat 2 = 25 kkal x kg BB = 25 x 52 = 1300 kkal
•
Rumus FAO/WHO/UNU = 14.7 x 52 + 496 kkal = 1260.4 kkal (dibulatkan 1260 kkal)
Kebutuhan AMB menurut keempat cara diatas tidak menunjukkan perbedaan yang berarti. Oleh sebab itu, cara menghitung AMB dengan rumus 1 dan 2 yang lebih praktis, dapat diterapkan di lapangan. (2)
Kebutuhan energi dengan aktivitas fisik Kalikan nilai AMB dengan kelipatan yang sesuai dengan jenis aktivitas, dalam hal ini aktivitas ringan (Tabel 2.5): = 1.55 x 1300 kkal = 2015 kkal
27 2.4.3.2 Protein, Lemak, dan Karbohidrat
Cara menentukan kebutuhan protein, lemak, dan karbohidrat menurut WHO adalah sebagai berikut : -
Protein :10-15% dari kebutuhan energi total.
-
Lemak : 10-25% dari kebutuhan energi total.
-
Karbohidrat : 60- 75% dari kebutuhan energi total.
2.4.3.3 Vitamin dan Mineral
Kebutuhan vitamin dan mineral dapat diambil dari Angka Kecukupan Gizi yang dianjurkan. Karena angkaangka tersebut diperhitungkan untuk sebagian besar penduduk. Tetapi karena sebagian besar vitamin dan mineral rusak selama penyimpanan, maka sebaiknya kebutuhan ditetapkan lebih besar daripada AKG.
2.4.4
Cara Menentukan Kebutuhan Gizi dalam Keadaan Sakit
Menurut Cormode, Li, dan Yi, 2009, Kebutuhan gizi dalam keadaan
sakit,
selain
tergantung
pada
faktor-faktor
yang
mempengaruhi dalam keadaan sehat juga dipengaruhi oleh jenis dan berat ringannya penyakit. 2.4.4.1 Energi
1. Menghitung kebutuhan kg berat badan menurut kg berat badan (kkal/kg/hari) untuk pasien yang tidak mengalami stres, yang dikembangkan dari Angka Kecukupan Gizi (AKG).
28 Tabel 2.6 Kebutuhan Energi Rata-rata/kg BB Orang Dewasa Dalam Keadaan Sakit Tanpa Stress Kategori dan
Berat
Tinggi badan
Energi total
Energi/kg BB
umur (tahun)
badan (kg)
(cm)
(kkal)
(kkal)
Laki laki 20 - 45
62
165
2800
45
46 - 59
62
165
2500
40
≥ 60
62
165
2200
35
20 - 45
54
156
2200
40
46 - 59
54
156
2100
39
≥ 60
54
154
1850
34
Perempuan
2.4.4.2 Protein, Lemak, dan Karbohidrat
Kebutuhan Protein, lemak dan karbohidrat dalam keadaan sakit adalah : 1. Protein Kebutuhan Protein normal adalah 10-15% dari kebutuhan energi total, atau 0,8-1,0 g/kg BB. Dalam keadaan sakit katabolisme
protein
meningkat,
sehingga
dapat
meningkatkan kebutuhan protein hingga 1,5-2,0 g/kg BB. 2. Lemak Kebutuhan lemak dalam keadaan sakit bergantung dari jenis penyakit, yaitu lemak sedang atau lemak rendah. Lemak sedang dapat dinyatakan sebagai 15-20% dari kebutuhan energi total, sedangkan lemak rendah ≤ 10% dari kebutuhan energi total.
29 3. Karbohidrat Kebutuhan karbohidrat dalam keadaan sakit berasal dari sisa energi setelah dikurangi energi yang berasal dari protein dan lemak.
2.4.4.3 Vitamin dan mineral
Kebutuhan mineral dan vitamin dapat diambil dari AKG yang dianjurkan, dengan pertimbangan
sifat penyakit,
simpanan dalam tubuh, kehilangan melalui urin, kulit atau saluran cerna, dan interaksi dengan obat-obatan.
2.4.4.4 Cairan
Orang sehat membutuhkan sebanyak 1800-2500 ml atau 710 gelas air sehari. Tambahan cairan diperlukan untuk mengganti kehilangan cairan karena keringat berlebihan, muntah-muntah, diare, atau keadaan lain yang menyebabkan kehilangan cariran berlebihan.
2.4.5
Diet
Pemberian diet yang diterapkan pada bagian kantin PT. PMI, yang lebih diutamakan yaitu diet rendah garam, dimana pemberian garam dibatasi sampai 1000 mg sehari. Mengapa diet rendah garam lebih diutamakan? Berdasarkan hasil survey yang telah dilakukan terhadap narasumber PT. PMI, bahwa jumlah asupan garam yang berlebihan dapat memicu kambuhnya penyakit yang diderita oleh peserta dismen (disease
30 management). Dengan pembatasan asupan garam tersebut, pihak JPK Citra Husada berharap dapat meminimalisir dan mencegah kambuhnya penyakit tertentu, yang dalam hal ini adalah penyakit diabetes, hipertensi dan TBC. Berikut adalah penjelasan diet yang dibutuhkan dalam program dismen, antara lain:
2.4.5.1
Diet Rendah Garam
Yang dimaksud dengan diet rendah garam adalah garam natrium seperti yang terdapat pada garam dapur (NaCl), soda kue (NaHCO3) , baking powder, natrium benzoat, dan vetsin (mono sodium glutamat). Tujuan dari diet ini adalah menghilangkan retensi garam atau air dalam jaringan tubuh dan menurunkan tekanan darah pada pasien hipertensi. Beberapa syarat dari diet rendah garam adalah : i. Cukup energi, protein, mineral dan vitamin ii. Bentuk makanan seusai dengan keadaan penyakit iii. Jumlah natrium disesuaikan dengan berat tidak nya retensi garam atau air dan /atau hipertensi Diet ini mengandung cukup zat-zat gizi. Sesuai dengan keadaan penyakit, diet ini dapat di klasifikasikan dalam berbagai tingkat : •
Diet Rendah Garam I (200-400 mg Na)
•
Diet Rendah Garam II (600-800 mg Na)
•
Diet Rendah Garam III (1000-1200 mg Na)
31 2.5 Acuan Penelitian
Dibawah ini adalah beberapa hasil penelitian dari jurnal yang telah diterapkan dan dijadikan sebagai acuan untuk perancangan sistem yang akan diterapkan, yaitu: 1. Design of Diet Recommendation System for Healthcare Service Based on User Information (Kim, Lee, Park, Lee, dan Rim, 2009). Sistem ini merupakan sistem anjuran diet berbasis web pada bidang kesehatan di Korea berdasarkan informasi pengguna. Latar belakang dari penelitian ini yaitu karena anjuran diet lebih difokuskan untuk informasi penyakit, sangat susah untuk mendapatkan layanan spesifik untuk pasien. Sistem ini bertujuan untuk mengumpulkan informasi dari pasien seperti histori penyakit bawaan, informasi pribadi, makanan yang dianjurkan bagi penderita penyakit jantung. Pasien yang menggunakan sistem ini dapat menggunakan dan mengubah layanan diet sehingga mengubah kebiasaan pola makan pasien. Desain sistem nutrisi yang digunakan dalam jurnal ini, dijadikan sebagai sebuah standar yang diperlukan untuk menerapkan solusi IT. Parameter tersebut antara lain informasi pengguna; kondisi disease management; anjuran diet; asupan nutrisi yang dibutuhkan; kalkulasi BMR (Bassal Metabolic Rate) atau AMB (Angka Metabolik Basal); dan Vital Sign of User, dalam hal ini akan disesuaikan lagi menjadi parameter kesehatan pengguna. 2. On a Rough Set with Fuzzy Weight in Well-Balanced Menu Planning System (Kashima, Han, Matsumoto dan Ishii, 2008). Sistem yang dibahas yaitu bagaimana cara menerapkan menu seimbang dengan bantuan decision system. Meski metode yang digunakan menggunakan fuzzy, tetapi dari jurnal ini hanya diambil parameterparameter yang dibutuhkan, antara lain informasi menu dan nutrisi. Hasil
32 dari sistem ini adalah menghasilkan menu makanan yang sesuai dengan yang diinginkan oleh pengguna beserta informasi nutrisi yang seimbang. 3. Usage of Nearest Neighborhood, Decision Tree, and Bayesian Classification Techniques in Development of Weight Management Counseling System (Soni dan Pillai, 2008). Sistem ini membahas konsultasi dalam bidang nutrisi dan membantu ahli untuk memantau kegiatan yang dapat memicu obesitas (kegemukan). Bagi orang dewasa, obesitas dapat memicu terkena resiko penyakit diabetes, hipertensi, penyakit jantung, dan lain-lain. Beberapa parameter yang digambarkan dalam jurnal ini sangat membantu untuk merancang sistem yang diperlukan. 4. Personal Health Assistance Service Expert System (PHASES) (Snae dan Brueckner, 2007). Framework dari sistem ini ditujukan untuk membantu user dalam konsultasi kesehatan pribadi. Sistem ini membutuhkan data yang disebut Personal Health Records (PHR) dimana dari data-data ini akan didapatkan kegiatan-kegiatan untuk meningkatkan kesehatan seseorang, memudahkan akses ke beberapa provider kesehatan, meningkatkan promosi kesehatan, dan pada akhirnya meningkatkan kesehatan dalam satu populasi. Framework PHASES menggunakan ontologi dari sebuah makanan, yang juga menyediakan fakta-fakta nutrisi, sebuah expert system untuk menjaga data kesehatan personal. 5. Development of a Fuzzy Expert System for a Nutritional Guidance (Heinonen, Mannelin, Iskala, Sorsa dan Juuso, 2009). Sistem ini menggunakan fuzzy logic dalam menentukan pedoman nutrisi. Perolehan pengetahuan dari expert system menggunakan tabulasi untuk membuat basis dari rule based fuzzy sistem nya. Nilai rekomendasi asupan nutrisi digunakan untuk membuat fungsi membership untuk fuzzification. Pembuatan Mamdani-type fuzzy sistem di ilustrasikan
33 menggunakan struktur hierarkial. Level pertama dari sistem mengacu pada sekelompok makanan yang serupa dan pada level kedua dari sistem didefinisikan penambahan ataupun pengurangan makanannya. 6.
Implementation of an Electronic Voting System with Contactless IC
Cards For Small-Scale Votingi (Yang, Tu dan Yen, 2009) Jurnal ini membahas tentang pembuatan desain dan implementasi dari sebuah sistem e-voting yang menyediakan Kemampuan DRE (Direct Recording Electronic). Sistem e-voting yang di desain ter pasang dengan sebuah IC Card Reader dan touch-panel LCD. Biaya dan keamanan adalah dua kunci utama dalam sistem e-voting. Pada Jurnal ini membahas Alur dari sistem e-voting yang terbagi dalam 3 bagian yaitu Issue Center, yang digunakan untuk mendeskripsikan data calon yang akan di vote, Voting Center yang digunakan oleh user untuk melakukan proses e-voting dan Counting Center yang digunakan untuk melakukan perhitungan dan mengeluarkan hasil e-voting. 7. Design and Implementation of an RFID-Based Exercise Information System (Li , Liu dan Zhang, 2008) Jurnal ini membahas tentang desain dan implementasi dari sebuah sistem informasi kegiatan-kegiatan olahraga pada kampus dengan berbasiskan pada teknologi RFID. Sistem ini dapat mengintegrasikan data kesehatan dari pengguna untuk di lakukan analisis lanjutan, dari hal tersebut baik guru ataupun murid dapat lebih memperhatikan kesehatan mereka dengan menggunakan sistem ini. 8. Design and Implementation of Campus Gate Control System Based on RFID (Kuo dan Huang, 2008). Riset ini mengembangkan sebuah sistem aplikasi untuk Client-end dengan menggunakan Contactless IC Card dan reader berdasarkan Radio Frequency Identification (RFID), untuk mengontrol gerbang kampus melalui server-end database dan Local Area Network (LAN) Kampus.
34 Informasi transmisi antara client dan server mengadopsi fungsi hash satu arah dan Advanced Encryption Standard (AES) juga di adopsi untuk memperkuat proteksi dari informasi pribadi dan keseluruhan sistem keamanan. 9. SAMSON: Secure access for medical smart cards over networks (Hembroff dan Muftic, 2010) Artikel ini membahas tentang penggunaan smart card pada industri medis. Penggunaan smart card sebagai media penyimpanan data medis mempunyai hambatan mengenai privasi. Pada jurnal ini memperlihatkan suatu model sistem smart card yang berfokus pada perbaikan tingkat keamanan dan kemampuan untuk di operasikan secara online melalui sistem jaringan internet yang ada. Selain untuk desain rancangan, beberapa jurnal juga diperlukan untuk memperoleh parameter nutrisi yang digunakan untuk perancangan antarmuka dengan pengguna. Jurnal tersebut antara lain: •
Heinonen, Mannelin, Iskala, Sorsa dan Juuso (2009), Parameter nutrisi yang diperlukan adalah jenis kelamin, umur, berat badan, tinggi badan, indeks massa tubuh, dan tingkat aktivitas. Faktor lain seperti, penyakit dan kehamilan, juga mempengaruhi nilai yang lain.
•
Kashima, Han, Matsumoto dan Ishii (2008), Parameter nutrisi yang perlu diperhatikan untuk keseimbangan nutrisi antara lain vitamin dan mineral secukupnya, banyaknya kalori dari energi, kandungan lipid atau lemak, dan gula.
•
Kim, Lee, Park, Lee, dan Rim (2009), Parameter nutrisi digambarkan berupa modul dalam nutrient extraction module, yang terdiri dari pengumpulan informasi dari user (collect user constraint), permintaan rekomendasi diet (request diet recommendation), kondisi dismen (disease management condition), kondisi fisik user (vital sign of user), meliputi histori penyakit, tekanan darah, dan kandungan gula darah, dan kalkulasi
35 Angka Metabolisme Bassal (calculating Bassal Metabollic Rate), meliputi berat badan, tinggi badan, jenis kelamin, umur, dan aktivitas; dan gambaran kebutuhan nutrisi user (draw required nutrients). •
Lee, Wang, Hsu, dan Hagras (2009), Parameter nutrisi yang diperlukan yaitu umur, indeks massa tubuh (IMT), persentase jumlah kalori dari karbohidrat, persentase jumlah kalori dari protein, persentase jumlah kalori dari lemak, dan perbedaan asupan kalori.
•
Snae dan Brueckner (2007), Parameter nutrisi dibagi menjadi dua, yaitu informasi pribadi pasien, meliputi nama/id, jenis kelamin, umur, tinggi badan, dan berat badan; dan hasil tes, meliputi gynecological, biochemical, tes darah, radiologi, klinis, dan diagnosis.
•
Youbo (2009), Parameter nutrisi dibagi menjadi dua, yaitu kondisi fisik pengguna, meliputi nama, jenis kelamin, umur, tinggi badan, berat badan, labor intensity (intensitas kerja), nutritional status (status gizi), latihan fisik dan penyakit; dan kebutuhan asupan nutrisi harian,
meliputi
energi
(kkal),
protein(gr),
karbohidrat(gr),
lipid/lemak (gr), kalsium (gr), sodium (mg), fosfor (mg) dan besi (mg).
36 Tabel 2.7 Perbandingan Jurnal (Nutrisi) Personalization Diet Recommended Service (PDRS); Kim, Lee, Park, Lee, dan Rim (2009)
Well-Balanced Menu Planning System; Kashima, Matsumoto, Han, dan Ishii (2008)
Weight Management Counseling System; Soni dan Pilai (2008)
Personal Health Assistance Service Expert System (PHASES); Snae dan Brueckner (2007)
Nutritional Guidance; Heinonen, Mannelin, Iskala, Sorsa dan Juuso (2009) Pedoman rekomendasi asupan nutrisi
Sistem yang dibuat
Pengelolaan nutrisi untuk pasien yang mengidap penyakit jantung koroner
Menu seimbang
Diet untuk Obesitas
Konsultasi Kesehatan Pribadi
Metode
Web Based
Fuzzy decision system
Decision Tree dan Klasifikasi Bayes
Ontologi dan Sistem Pakar
mamdani type-fuzzy
Parameter
berupa modul nutrient extraction module, yang terdiri dari • pengumpulan informasi dari user (collect user constraint), • permintaan rekomendasi diet (request diet recommendation), • kondisi dismen (disease management condition), • kondisi fisik user (vital sign of user), meliputi histori penyakit, tekanan darah, dan kandungan gula darah, • kalkulasi Angka Metabolisme Bassal (calculating Bassal Metabollic Rate), meliputi berat badan, tinggi badan, jenis kelamin, umur, dan aktivitas • dan gambaran kebutuhan nutrisi user (draw required nutrients).
vitamin, mineral, banyaknya kalori dari energi, kandungan lipid atau lemak, gula
Indeks Massa Tubuh (IMT), aktivitas
Parameter nutrisi dibagi menjadi dua, yaitu • informasi pribadi pasien, meliputi nama/id, jenis kelamin, umur, tinggi badan, dan berat badan; • hasil tes, meliputi gynecological , biochemical, tes darah, radiologi, klinis, dan diagnosis.
jenis kelamin, umur, berat badan, tinggi badan, indeks massa tubuh, dan tingkat aktivitas.
Dari jurnal diatas, parameter yang diperlukan, disesuaikan lagi dengan kebutuhan yang ditetapkan di Indonesia, yaitu berdasar pada sumber Penuntun Diet Edisi Baru (Almatsier, 2008). Hasil kesimpulan dari parameter tersebut dibagi menjadi dua bagian, yaitu − Data pribadi, meliputi jenis kelamin, umur, tinggi badan, berat badan, indeks massa tubuh, angka metabolisme basal dan aktivitas.
37 − Data nutrisi, meliputi energi (kkal), protein (gr), karbohidrat (gr), dan lipid atau lemak (gr). Sedangkan untuk kebutuhan vitamin dan kalsium mengikuti yang terdapat pada bahan makanan. Tabel 2.8 Perbandingan Jurnal (Registrasi) Design and Implementation of Campus Gate Control System Based on RFID. Kuo dan Huang (2008)
Implementation of an Electronic Voting System with Contactless IC Cards for Small-Scale Voting. Yang, Tu dan Yen (2009)
Design and Implementation of an RFID-Based Exercise Information System. Li , Liu dan Zhang, 2008
SAMSON Secure access for medical smart cards over networks. Guy dan Sead, 2010
Sistem yang dibuat
Sistem pengaturan parkir kampus
Sistem e-voting pada skala kecil
Sistem Informasi Kegiatan olahraga di kampus
Sistem penyimpanan data medis pada smart card
Smart Card Based
Y
Y
Y
Y
Lingkup
Tempat parkir
e-voting dengan skala kecil
Informasi kegiatan olahraga
Rumah sakit
Proses Autentikasi
Ada, 2 tahap
Tidak ada
Ada
Ada
Proses Pelaporan
Ada
Ada
Ada
Tidak
