Kredibilitas Data

Transparansi penuh atas sumber data, metodologi penilaian confidence score, dan proses validasi yang digunakan dalam Knowledge Graph NutriGraph AI.

Sumber Data

TKPI — Tabel Komposisi Pangan Indonesia

Kementerian Kesehatan RI · Pemerintah

0.97

Weight Score

Sumber data untuk node KandunganNutrisi pada 80% bahan pangan Indonesia.

Records: 1.187 jenis panganCoverage: Makronutrien, mikronutrien, mineral per 100gYear: 2017 (edisi terbaru, update berkala)www.panganku.org

USDA FoodData Central

U.S. Department of Agriculture · Internasional

0.95

Weight Score

Cross-reference untuk bahan yang belum terdaftar di TKPI. Validasi data nutrisi.

Records: 380.000+ entriCoverage: Nutrisi lengkap, branded foods, experimental dataYear: 2024 (SR Legacy + Foundation Foods)fdc.nal.usda.gov

IDF Diabetes Atlas (10th Edition)

International Diabetes Federation · Internasional

0.93

Weight Score

Data epidemiologi untuk node KondisiMedis:Diabetes dan bobot relasi MEMPERBURUK/MENCEGAH.

Records: 215 negaraCoverage: Prevalensi, insidensi, mortalitas, biaya perawatan diabetesYear: 2021diabetesatlas.org

SSGI — Survei Status Gizi Indonesia

Kementerian Kesehatan RI · Pemerintah

0.96

Weight Score

Basis data stunting untuk kalkulasi Health Score dan node KondisiMedis:Stunting.

Records: 34 provinsiCoverage: Stunting, wasting, underweight, overweight pada balitaYear: 2022kesmas.kemkes.go.id

PubMed Central / MEDLINE

National Library of Medicine (NIH) · Jurnal Ilmiah

0.94

Weight Score

Referensi peer-reviewed untuk klaim biokimia. Setiap relasi graph bersumber dari PubMed diberi DOI.

Records: 36+ juta sitasiCoverage: Biomedis, nutrisi, farmakologi, biokimiaYear: Terus diperbaruipubmed.ncbi.nlm.nih.gov

Cochrane Library

Cochrane Collaboration · Jurnal Ilmiah

0.98

Weight Score

Validasi tertinggi untuk klaim dampak nutrisi terhadap kondisi medis (gold standard evidence).

Records: 8.000+ systematic reviewsCoverage: Evidence-based medicine, nutrisi klinisYear: Terus diperbaruiwww.cochranelibrary.com

Metodologi Confidence Scoring

01

Data Ingestion & Normalization

Data dari berbagai sumber dinormalisasi ke skema unified: nama bahan (Indonesia & Latin), nilai nutrisi per 100g, dan kode penyakit ICD-10. Duplikasi dihilangkan melalui fuzzy matching.

02

Graph Construction

Data dimodelkan sebagai Knowledge Graph di Neo4j. Setiap node memiliki properti source_id dan setiap edge memiliki confidence_score yang dihitung dari konsensus multi-sumber.

03

Confidence Scoring

Skor dihitung: base_score × source_weight × recency_factor × peer_review_bonus. Sumber pemerintah mendapat weight = 0.9, jurnal peer-reviewed = 0.95, LLM-extracted = 0.6.

04

Dynamic Evolution & Validation

Bahan baru yang diekstrak LLM diberi confidence_score awal = 0.6 (flag: unverified). Setelah divalidasi manual oleh pengguna atau cross-checked dengan TKPI/USDA, score diperbarui.

Formula Confidence Score

confidence_score = base_score × source_weight × recency_factor × peer_review_bonus

base_score → Akurasi data mentah (0.0 – 1.0)

source_weight → Pemerintah: 0.90 | Internasional: 0.95 | Jurnal: 0.95 | LLM-Extract: 0.60

recency_factor → 1.0 jika ≤2 tahun | 0.95 jika ≤5 tahun | 0.85 jika >5 tahun

peer_review_bonus → +0.05 jika terdapat DOI peer-reviewed

Disclaimer Akademis

NutriGraph AI adalah sistem pendukung keputusan untuk keperluan penelitian akademis. Output sistem bukan pengganti konsultasi medis profesional. Semua rekomendasi nutrisi harus divalidasi oleh tenaga kesehatan sebelum diterapkan, terutama untuk individu dengan kondisi medis yang sudah ada. Data yang diekstrak otomatis oleh LLM (confidence_score < 0.80) memerlukan validasi manual sebelum digunakan sebagai referensi akademis.