Perpustakaan Digital ITB

Pengambilan keputusan merupakan proses yang kompleks dalam sistem Rantai Pasok Makanan (RPM) karena melibatkan banyak variabel dan kendala, serta ketidakpastian harga bahan baku di masa mendatang. Selain itu, keputusan yang diambil perlu dioptimalkan agar mampu memenuhi berbagai kebutuhan operasional dengan biaya yang efisien. Penelitian ini mengkaji Program Makan Bergizi Gratis (MBG) sebagai salah satu sistem RPM dengan biaya operasional yang sangat besar di Indonesia. Program MBG bertujuan meningkatkan status gizi masyarakat melalui upaya penurunan prevalensi stunting. Namun, penentuan menu bergizi dalam program tersebut merupakan tantangan yang signifikan karena dipengaruhi oleh sulitnya memprediksi harga bahan baku, keterbatasan anggaran, kebutuhan pemenuhan nutrisi, serta pentingnya menjaga variasi menu. Untuk mengatasi tantangan tersebut, penelitian ini mengintegrasikan model Pemrograman Stokastik (PS) dengan metode peramalan berbasis pembelajaran mesin Deep AutoRegressive (DeepAR). Model DeepAR digunakan untuk menghasilkan skenario prakiraan harga bahan baku, sedangkan model PS digunakan untuk menentukan menu bergizi yang optimal berdasarkan skenario harga tersebut. Studi kasus dilakukan pada sebuah Satuan Pelayanan Pemenuhan Gizi (SPPG). Hasil penelitian menunjukkan bahwa model DeepAR mampu memprakirakan harga bahan baku dengan tingkat akurasi yang tinggi, yang ditunjukkan oleh nilai rata-rata Mean Pinball Loss (MPL) sebesar Rp481,77, Mean Absolute Percentage Error (MAPE) sebesar 2,33%, Index of Agreement (IA) sebesar 64,04%, dan Directional Change (DC) sebesar 10,83%. Berdasarkan hasil prakiraan harga tersebut, model yang diusulkan mampu menghasilkan rekomendasi menu bergizi untuk periode satu minggu dalam waktu yang sangat singkat, yaitu sekitar 2 detik, dengan tetap memenuhi batasan anggaran, kebutuhan nutrisi, dan keragaman menu.