Optimasi komposisi bahan makanan bagi penderita diabetes melitus menggunakan Metode Hybrid Algoritma Genetika dan Simulated Annealing

INDONESIA :
Keseimbangan pola makan pada penderita diabetes melitus untuk memenuhi kebutuhan energi harus selalu terjaga. Oleh karena itu diperlukan komposisi makanan yang sesuai untuk memenuhi kebutuhan tersebut, sehingga dapat membantu penderita diabetes melitus untuk menentukan menu makannya. Permasalahan komposisi bahan makanan untuk penderita diabetes melitus dapat diselesaikan dengan hybrid algoritma genetika dan simulated annealing. Proses penyelesaian permasalahan ini menggunakan metode crossover yaitu one-cut point, mutasi menggunakan insertion mutation, seleksi menggunakan elitsm, dan simulated annealing. Berdasarkan hasil pengujian dari parameter yang digunakan dalam sistem optimasi bahan makanan menggunakan Hybrid algoritma genetika dan simulated annealing didapatkan nilai parameter terbaik jumlah populasi = 40, jumlah generasi = 75, Cr = 0,5, Mr = 0,5, T0 = 1, Tn = 0,5, alpha = 0,1. Penggabungan kedua metode ini menghasilkan solusi yang lebih baik dibanding hanya dengan menggunakan metode algoritma genetika saja. Didapatkan hasil rata-rata nilai fitness yang dihasilkan dari pengujian menggunakan algoritma genetika sebesar 0.771567577, sedangkan dengan hybrid algoritma genetika dan simulated annealing sebesar 0.829818337.

ENGLISH :
Eating balance in people with diabetes mellitus to meet energy needs must always be maintained. Therefore we need a suitable food composition to meet those needs, so that it can help people with diabetes mellitus to determine their diet. The problem of food composition for diabetics can be solved by hybrid genetic algorithms and simulated annealing. The process of solving this problem uses a crossover method that is one-cut point, mutation using insertion mutation, selection using elitsm, and simulated annealing. Based on the test results of the parameters used in the food ingredients optimization system using Hybrid genetic algorithms and simulated annealing, the best parameter values are population = 40, number of generations = 75, Cr = 0.5, Mr = 0.5, T0 = 1, Tn = 0.5, alpha = 0.1. The combination of these two methods produces a better solution than just using the genetic algorithm method. Obtained the results of the average fitness value generated from testing using a genetic algorithm of 0.771567577, while with a hybrid genetic algorithm and simulated annealing of 0.829818337.

ARABIC :
يجب دائمًا الحفاظ على توازن النظام الغذائي لدى مرضى السكري لتلبية احتياجات الطاقة. لذلك نحن بحاجة إلى تركيبة غذائية مناسبة لتلبية هذه الاحتياجات ، بحيث يمكن أن تساعد الأشخاص المصابين بداء السكري في تحديد نظامهم الغذائي. يمكن حل مشكلة تكوين الغذاء لمرضى السكري باستخدام خوارزمية وراثية هجينة وتحمية محاكاة. تستخدم عملية حل هذه المشكلة طريقة التقاطع ، أي النقطة المقطوعة ، والطفرة باستخدام طفرة الإدراج ، والاختيار باستخدام elitsm ، والتلدين المحاكي. بناءً على نتائج اختبار المعلمات المستخدمة في نظام تحسين المواد الغذائية باستخدام الخوارزميات الوراثية الهجينة والتليين المحاكي ، فإن أفضل قيم المعلمات هي السكان = 40 ، عدد الأجيال = 75 ، Cr = 0.5 ، Mr = 0.5 ، T0 = 1 ، Mr. = 0.5 ، ألفا = 0.1. يؤدي الجمع بين هاتين الطريقتين إلى حل أفضل من استخدام طريقة الخوارزمية الجينية وحدها. متوسط نتيجة قيمة الملاءمة من الاختبار باستخدام الخوارزمية الجينية هو 0.771567577 ، بينما الخوارزمية الجينية الهجينة والتلدين المحاكي 0.829818337.