IMPLEMENTASI FUZZY LOGIC PADA SISTEM CERDAS REKOMENDASI POLA DIET MAHASISWA
Keywords:
Indeks massa tubuh, Alternatif, KesehatanAbstract
Mahasiswa sering kali menghadapi permasalahan dalam menentukan pola diet yang sesuai dengan kebutuhan gizi harian, karena pola aktivitas dan gaya hidup yang bervariasi. Penelitian ini dibuat dengan tujuan untuk mengembangkan sistem informasi cerdas berbasis fuzzy logic untuk memberikan rekomendasi diet yang adaptif sesuai dengan kondisi mahasiswa. Metode yang digunakan adalah pendekatan fuzzy inference system (FIS) dengan variabel masukan meliputi indeks massa tubuh (IMT), tingkat aktivitas fisik, dan kebutuhan kalori. Proses perancangan sistem dilakukan melalui tahapan pengumpulan data gizi mahasiswa, dan perancangan aturan fuzzy. Hasil pengujian menunjukan bahwa sistem mampu memberikan rekomendasi diet yang sesuai dengan profil pengguna dengan tingkat akurasi berdasarkan perbandingan dengan standar gizi WHO. Penelitian ini pada akhirnya dapat menyimpulkan bahwa integrasi fuzzy logic di dalam sistem informasi dapat menjadi alternatif solusi cerdas untuk membantu mahasiswa mengatur pola diet yang lebih sehat dan terarah. Temuan ini berimplikasi pada pengembangan sistem rekomendasi kesehatan berbasis kecerdasan buatan di lingkungan pendidikan tinggi.
Downloads
References
[1] M. Priyono and K. Surendro, “Nutritional Needs Recommendation Based on Fuzzy Logic,” Proc. 2013 Int. Conf. on Advanced Computer Science and Information System (ICACSIS), Jakarta, Indonesia, 2013, pp. 165–170.
[2] C. Chen, C. Lee, and H. Lin, “Intelligent Diet Recommendation System Using Fuzzy Logic and Ontology,” Expert Systems with Applications, vol. 40, no. 5, pp. 1907–1914, 2013.
[3] F. Marashi-Hosseini, A. Khaleghi, and S. A. Ardekani, “Fuzzy-Based Clinical Decision Support System for Personalized Dietary Recommendation,” BMC Medical Informatics and Decision Making, vol. 23, no. 112, pp. 1–10, 2023. D. Morales-Garzón, A. Domínguez-Mayo, and J. Escalona,“A Fuzzy-Enhanced -to-Food Recommendation Framework for Personalized Diets,”
Applied Soft Computing, vol. 158, p. 111052, 2025.
[4] T. Nguyen and H. Kim, “Enhancing Recommendation Systems with Fuzzy Logic-Based Collaborative Filtering,” IEEE Access, vol. 11, pp. 81273–81284, 2023.
[5] M. A. Nasution, A. S. Siregar, and L. S. Lubis, “Designing Fuzzy Algorithms to Develop Healthy Dietary Pattern,” Journal of Physics: Conference Series, vol. 2019, p. 012045, 2021.
[6] R. Zadeh, “The Use of Fuzzy Logic in Nutrition and Dietetics,” International Journal of Intelligent Computing in Medical Sciences, vol. 7, no. 2, pp. 56– 64, 2020.
[7] H. P. Putra, D. S. Prasetyo, and I. K. Adi, “Penerapan Fuzzy Tsukamoto untuk Sistem Rekomendasi Pola Makan Sehat,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 2,
[8] H. P. Putra, D. S. Prasetyo, and I. K. Adi, “Penerapan Fuzzy Tsukamoto untuk Sistem Rekomendasi Pola Makan Sehat,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no.2 pp. 289–296, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Jurnal Riset Ilmu KOMPUTER (JRIKOM)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
