ANALISIS PREDIKTIF KANDUNGAN MAKRONUTRIEN PADA MAKANAN TRADISIONAL PAGAR ALAM MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR REGRESSION

Abstract

Makanan tradisional Pagar Alam merupakan bagian dari warisan kuliner daerah yang masih dikonsumsi luas oleh masyarakat, namun informasi kandungan gizinya, khususnya zat gizi makro, masih sangat terbatas karena pengujian laboratorium memerlukan biaya, waktu, dan sumber daya yang besar. Penelitian ini bertujuan membangun model prediksi kandungan karbohidrat, protein, dan lemak pada enam jenis makanan tradisional Pagar Alam (Gunjing, Kelicuk, Lemang, Lempuk, Wajik, dan Tekwan) menggunakan algoritma K-Nearest Neighbor (KNN) Regression sebagai alternatif estimasi gizi yang lebih cepat dan efisien dibandingkan analisis laboratorium konvensional. Data komposisi bahan diperoleh melalui observasi lapangan dan wawancara langsung dengan pelaku usaha kuliner tradisional, kemudian nilai makronutrien dihitung menggunakan metode agregasi proporsional berdasarkan Tabel Komposisi Pangan Indonesia (TKPI). Fitur model dibentuk dari enam variabel agregat per resep, yaitu jumlah bahan, total berat bahan, dan jumlah bahan pada setiap metode pengolahan (goreng, kukus, rebus, sangrai), yang dinormalisasi menggunakan Min-Max Scaler sebelum dihitung jarak Euclidean-nya. Karena keterbatasan jumlah sampel, validasi model dilakukan menggunakan skema Leave-One-Out Cross-Validation (LOO-CV) dengan pengujian tiga nilai K (1, 2, dan 3). Hasil evaluasi menunjukkan bahwa K = 2 memberikan performa terbaik dengan RMSE 18,29 gram, MAE 11,16 gram, dan MSE 334,43 gram², lebih baik dibandingkan K = 1 dan K = 3. Analisis lebih lanjut menunjukkan bahwa error prediksi terbesar dipengaruhi oleh keterbatasan variasi data dan sifat fitur yang bersifat agregat resep, bukan komposisi gizi langsung per bahan. Analisis kontribusi terhadap Angka Kecukupan Gizi (AKG) menunjukkan bahwa keenam makanan tradisional tersebut memberikan kontribusi karbohidrat per porsi antara 4,65% hingga 44,20% AKG, dengan Lemang sebagai penyumbang tertinggi. Penelitian ini menyimpulkan bahwa pendekatan KNN Regression berbasis fitur resep memiliki potensi sebagai metode estimasi gizi awal (proof of concept), namun memerlukan penambahan jumlah dan variasi sampel pada penelitian selanjutnya agar akurasi prediksi dapat ditingkatkan.