Penerapan ChatGPT untuk Rekomendasi Resep Makanan Sehat dan Bergizi pada Anak-Anak: ChatGPT Application for Healthy and Nutritious Food Recipe Recommendations for Children

Anggit Saepul Anwar; Edhi Poerwandhono

doi:10.57152/malcom.v5i3.1601

Authors

Anggit Saepul Anwar Sekolah Tinggi Ilmu Karya Cipta Intormatika
Edhi Poerwandhono Sekolah Tinggi Ilmu Karya Cipta Intormatika

DOI:

https://doi.org/10.57152/malcom.v5i3.1601

Keywords:

Aplikasi, Balita, Nutrisi, REBU, Stunting

Abstract

Stunting masih menjadi masalah serius dengan prevalensi tinggi di Indonesia (21,6% pada tahun 2022). Salah satu hambatan utama adalah kurangnya akses mudah dan personalisasi informasi gizi serta resep makanan yang tepat bagi orang tua untuk meningkatkan asupan protein hewani pada anak. Untuk mengatasi masalah ini, aplikasi Menu Resep Makanan (REBU) dikembangkan sebagai platform penyedia resep sehat dan bergizi yang mudah diakses oleh orang tua dan pengasuh, spesifik untuk memenuhi kebutuhan nutrisi anak dan meningkatkan konsumsi protein hewani. Mengintegrasikan teknologi modern, termasuk ChatGPT, REBU menawarkan rekomendasi resep personal, menjadikan panduan gizi lebih mudah diakses. Implementasi REBU di RT 10 dan RT 11 Puskesmas menunjukkan peningkatan signifikan kesadaran orang tua tentang gizi seimbang dan protein hewani. Efektivitas aplikasi dievaluasi melalui uji Blackbox (integritas fungsional) dan User Acceptance Testing (UAT) (kegunaan praktis). Evaluasi ini memastikan solusi praktis REBU berhasil membantu menurunkan angka stunting di komunitas percontohan, menjadi model potensial untuk implementasi lebih luas guna mendukung program pemerintah

Downloads

Download data is not yet available.

References

U. F. Rudatiningtyas, K. Khotimah, and G. B. Satwanto, “6.+Ulfa+Fadilla,” J. Kesehat. Dan Sci., vol. XX, no. 1, pp. 53–65, 2024.

D. PAUD, “prevalensi stunting tahun 2022 di angka 216 protein hewani terbukti cegah tunting,” PAUPEDIA, 2023. https://paudpedia.kemdikbud.go.id/kabar-paud/berita/prevalensi-stunting-tahun-2022-di-angka-216-protein-hewani-terbukti-cegah-stunting?do=MTQyMy1iNmNmMmYzZA==&ix=MTEtYmJkNjQ3YzA=

K. Stafford, “What’S At Stake,” Art Revising Poet. 21 U.S. Poet. their Draft. Craft, Process, no. 9, pp. 119–123, 2023, doi: 10.5040/9781350289291.ch-017.

Y. N. Deda, M. P. M. Nahak, and A. Pala, “Global Trend of Stunting in The Last Decade: A Bibliometric Analysis,” Amerta Nutr., vol. 8, no. 4, pp. 654–664, 2024, doi: 10.20473/amnt.v8i4.2024.654-664.

V. M. Haryani, D. Putriana, and R. W. Hidayati, “Asupan Protein Hewani Berhubungan dengan Stunting pada Balita di Wilayah Kerja Puskesmas Minggir,” Amerta Nutr., vol. 7, no. 2, pp. 139–146, 2023, doi: 10.20473/amnt.v7i2SP.2023.13.

S. Kidul, W. Area, and S. City, “Ghidza?: Jurnal Gizi dan Kesehatan Perbedaan Asupan Protein Hewani pada Balita Stunting dan Tidak Stunting di Wilayah Kerja Puskesmas Sidorejo Kidul , Kota Salatiga,” vol. 9, no. 1, pp. 159–167, 2025.

N. Nogueira-Rio, L. Varela Vazquez, A. Lopez-Santamarina, A. Mondragon-Portocarrero, S. Karav, and J. M. Miranda, “Mobile Applications and Artificial Intelligence for Nutrition Education: A Narrative Review,” Dietetics, vol. 3, no. 4, pp. 483–503, 2024, doi: 10.3390/dietetics3040035.

S. van der Haar, I. Raaijmakers, M. C. D. Verain, and S. Meijboom, “Incorporating Consumers’ Needs in Nutrition Apps to Promote and Maintain Use: Mixed Methods Study,” JMIR mHealth uHealth, vol. 11, 2023, doi: 10.2196/39515.

K. T. Bosworth et al., “Mixed-methods study of development and design needs for CommitFit, an adolescent mHealth App,” mHealth, vol. 9, pp. 0–1, 2023, doi: 10.21037/mhealth-22-35.

V. C. Tapia and C. M. Gaona, “Automation of Software Development Stages with the OpenAI API,” Comput. Syst. Sci. Eng., vol. 49, no. 1, pp. 1–17, 2025, doi: 10.32604/csse.2024.056979.

R. Rawassizadeh and Y. Rong, “ODSearch: Fast and Resource Efficient On-device Natural Language Search for Fitness Trackers’ Data,” Proc. ACM Interactive, Mobile, Wearable Ubiquitous Technol., vol. 6, no. 4, 2023, doi: 10.1145/3569488.

M. Joseph and P. Keshwani, “Comparison Between Linear Search and Binary Search Algorithms,” Ijariit, vol. 7, no. 4, pp. 63–66, 2018.

A. Salsabila, A. P. Ramadhani, and F. N. Husna, “Implikasi Penggunaan Chat Gpt Terhadap Literasi Matematika Mahasiswa Pendidikan Matematika Universitas Pendidikan Indonesia,” J. Ilm. Sain dan Teknol., vol. 2, no. 1, pp. 248–256, 2024.

A. Sonita and M. Sari, “Implementasi Algoritma Sequential Searching Untuk Pencarian Nomor Surat Pada Sistem Arsip Elektronik,” Pseudocode, vol. 5, no. 1, pp. 1–9, 2018, doi: 10.33369/pseudocode.5.1.1-9.

R. Hafsari, E. Aribe, and N. Maulana, “Perancangan Sistem Informasi Manajemen Inventori Dan Penjualan Pada Perusahaan Pt.Inhutani V,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 10, no. 2, pp. 109–116, 2023, doi: 10.30656/prosisko.v10i2.7001.

V. Kurniawan, Amroni, and I. Yose, “Perancangan Sistem Informasi Administrasi Kependudukan Pada Desa Seri Sembilan,” J. Manaj. Teknol. Dan Sist. Inf., vol. 3, no. 2, pp. 542–553, 2023, doi: 10.33998/jms.2023.3.2.1416.

K. Hingorani, “Reinforcing Database Concepts By Using Entity Relationships Diagrams (Erd) and Normalization Together for Designing Robust Databases,” Issues Inf. Syst., vol. 18, no. 1, pp. 148–155, 2017, doi: 10.48009/1_iis_2017_148-155.

W. Suharmawan, “Pemanfaatan Chat GPT Dalam Dunia Pendidikan,” Educ. J. J. Educ. Res. Dev., vol. 7, no. 2, pp. 158–166, 2023, doi: 10.31537/ej.v7i2.1248.

I. S. Handayanto and I. Nuryasin, “Pengujian Blackbox Decision Table pada Sistem Aplikasi Mobile Sharing Story App,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 13, no. 2, 2024, doi: 10.30591/smartcomp.v13i2.6572.

E. Arif and I. Paulina Soko, “The Evaluation of web-based and android face-to-face tutorial applications quality using the user acceptance testing (UAT) method,” J. World Sci., vol. 1, no. 8, pp. 590–595, 2022, doi: 10.36418/jws.v1i8.76.