SELAMA bertahun-tahun, aplikasi nutrisi selalu mendikte masyarakat tentang apa yang harus mereka makan. Mayoritas aplikasi tersebut menyusun menu ideal dari nol, memastikan target nutrisi terpenuhi dan meminimalkan makanan olahan. Sayangnya, menu-menu tersebut sering kali menjadi hidangan yang sekadar “seharusnya” dimakan, bukan makanan yang benar-benar bisa atau biasa dimasak di rumah. Akibatnya, metode diet ketat seperti ini jarang bertahan lama.
Melihat fenomena tersebut, sebuah studi terbaru mencoba pendekatan berbeda. Dibanding merombak total isi piring, para peneliti memulai dari menu makanan yang biasa dikonsumsi masyarakat, lalu mencari perubahan sekecil mungkin yang terbukti efektif meningkatkan kualitas kesehatan.
Masalah pola makan ini bukan perkara sepele. Riset global yang mencakup hampir 200 negara menunjukkan bahwa pola makan buruk menjadi salah satu pemicu terbesar penyakit diabetes, jantung, dan penyakit kronis lainnya.
Menyikapi hal itu, ilmuwan komputer dari University of California, Davis (UC Davis), Trevor Chan dan Ilias Tagkopoulos, menduga kegagalan diet selama ini dipicu besarnya beban tuntutan perubahan menu. Alih-alih membangun piring ideal yang sempurna sejak awal, tim ini merancang program kecerdasan buatan (AI) generatif untuk mengelompokkan makanan sehari-hari masyarakat Amerika Serikat ke dalam 34 pola dasar, seperti sarapan sereal susu, makan siang roti lapis, hingga makan malam dengan pizza.
Lebih Sehat dan Hemat Lewat Metode ‘Tukar Bahan’
Program AI ini dilatih untuk menyesuaikan ukuran porsi dan merekomendasikan penggantian komponen makanan agar mendekati panduan nutrisi pemerintah, namun dengan tetap mempertahankan cita rasa asli hidangan tersebut.
Hasilnya terbilang memuaskan. Saat menu buatan AI disandingkan dengan menu asli, versi AI terbukti jauh lebih sehat karena berhasil memangkas kesenjangan target nutrisi hingga 47 persen. Kadar serat, protein, dan kalium mengalami kenaikan tanpa mengubah tampilan umum makanan. Kendati demikian, kadar natrium sempat terpantau merangkak naik pada beberapa menu makan siang dan makan malam, sebuah pengingat tidak ada satu solusi instan yang bisa merapikan semua jenis nutrisi sekaligus.
Dalam uji coba tersebut, tim peneliti menguji skenario penggantian satu, dua, atau tiga jenis bahan makanan. Langkah yang paling sering direkomendasikan sistem adalah menambahkan sayuran atau polong-polongan, serta menyingkirkan komponen yang terlalu asin atau mengalami proses olahan yang tinggi.
Menariknya, hasil ini berbanding lurus dengan efisiensi biaya:
- Satu penggantian bahan: Mampu mendongkrak nilai nutrisi hidangan sebesar 5% sekaligus memangkas estimasi biaya makan hingga seperlima.
- Tiga penggantian bahan: Membuat makanan 10% lebih sehat dengan biaya yang justru lebih hemat hampir sepertiganya.
Mengungguli Kinerja Chatbot Umum
Ketika model AI khusus nutrisi ini diuji tanding dengan GPT-4o, model khusus ini menang telak dalam hal konsistensi menjaga keseimbangan protein, lemak, dan karbohidrat sesuai target kesehatan. Sebaliknya, panduan dari chatbot umum cenderung tidak merata, bahkan terkadang meleset karena menyajikan hidangan yang terlalu tinggi lemak dan minim karbohidrat.
Meski demikian, studi yang diterbitkan dalam jurnal PLOS Digital Health ini memiliki batasan karena seluruh hasilnya baru didasarkan pada model komputer, bukan uji coba langsung di dunia nyata terhadap perilaku belanja atau survei konsumsi riil masyarakat.
Kendati menyadari batasan tersebut, para peneliti melihat satu pesan kuat yang konsisten dari data yang mereka peroleh.
“Makan lebih sehat tidak harus berarti melepaskan makanan yang sudah dinikmati orang-orang,” catat para peneliti.
Pada akhirnya, riset ini memberikan pelajaran penting bagi publik: untuk hidup lebih sehat, kita tidak membutuhkan resolusi besar atau kekuatan tekad yang menyiksa, melainkan hanya perlu memulai dari satu langkah kecil yang tepat. (Earth/Z-2)