BMR / Kalkulator Laju Metabolisme Basal

Ketika berbicara tentang berat badan, semua orang melihat timbangan dulu. Lalu kalori. Pertanyaan "berapa kalori yang harus saya konsumsi per hari?" biasanya muncul dari sana. Namun di balik pertanyaan itu ada angka yang lebih mendasar: energi yang dikeluarkan tubuh saat tidak melakukan apa pun.

Maksudnya benar-benar tidak melakukan apa pun. Tidak lari, tidak berjalan, tidak olahraga, tidak pekerjaan rumah. Tubuh tetap bekerja; jantung berdetak, pernapasan berlanjut, suhu tubuh dipertahankan, sel-sel melakukan tugasnya. Energi ini dibutuhkan pada tingkat basal.

Perhitungan BMR mencoba memperkirakan dasar tersebut. Mengetahuinya berguna, terutama saat merencanakan kalori; karena total pengeluaran harian seseorang bertambah dengan beban gerakan, pekerjaan, olahraga, dan pencernaan yang ditambahkan di atas dasar ini. Jadi BMR bukanlah keseluruhan hari. Lebih merupakan garis awal.

Perbedaan ini kadang terlewat. Seseorang yang melihat hasil 1550 kcal/hari bisa langsung menganggapnya sebagai "kalori yang harus saya makan". Tidak. Angka itu adalah perkiraan pengeluaran saat istirahat. Begitu Anda bangkit dari sofa, tabel mulai berubah.

Meski begitu, ini awal yang baik. Karena membuat kalimat-kalimat yang mengambang seperti "metabolisme saya cepat atau lambat?" sedikit lebih membumi. Tidak memberikan kepastian mutlak, tetapi mengikat pembicaraan pada angka.

Tinggi, berat, usia; dan juga formula yang dipilih

Pada kalkulator, pada dasarnya jenis kelamin, usia, tinggi, dan berat badan dimasukkan. Satuan tinggi default adalah sentimeter, satuan berat adalah kilogram. Bahkan jika bisa bekerja dengan satuan lain, perhitungan di dalamnya kembali ke logika sentimeter dan kilogram; karena persamaan yang digunakan ditulis dengan satuan tersebut.

flowchart LR
  A["Usia, jenis kelamin, tinggi, berat"] --> D["Perkiraan BMR"]
  B["Pilihan formula"] --> D
  C["Persentase lemak (untuk Katch)"] --> D
  D --> E["kcal/hari"]
  E --> F["Jika ditambahkan aktivitas, dilanjutkan ke perhitungan TDEE"]

Masalah satuan tampak sederhana, tetapi kesalahan muncul dari sini. Memasukkan 1,75 m alih-alih 175 cm tidak masalah jika satuan dipilih dengan benar. Tetapi jika 1,75 ditulis di kolom sentimeter, hasilnya langsung menjadi tidak masuk akal. Sebaliknya juga lucu: menulis 175 di kolom meter, seperti memberikan tinggi bangunan, bukan tinggi manusia.

Hal yang sama terjadi pada berat. Seseorang yang menimbang dalam pound, jika menulis nilainya sebagai kilogram, hasilnya membengkak. Di negara yang menggunakan stone, kebingungan serupa juga terjadi. Oleh karena itu, sebelum melihat hasil perhitungan, periksa kolom input. Apakah tinggi benar, berat benar, satuan benar?

Usia diterima antara 10 dan 100. Dalam formula, usia umumnya berada di sisi yang menurunkan BMR. Pada tinggi dan berat yang sama, orang berusia 25 tahun dan 55 tahun tidak mendapatkan hasil yang sama. Tidak ada yang mengejutkan di sini; persamaan memang bekerja seperti itu.

Kolom jenis kelamin juga digunakan untuk koefisien formula. Mifflin-St Jeor dan Revised Harris-Benedict menggunakan konstanta atau koefisien yang berbeda untuk pria dan wanita. Ini bukan untuk mereduksi tubuh manusia menjadi dua kategori; melainkan karena persamaan memang disusun secara historis seperti itu. Kalkulator meminta perbedaan ini sesuai kebutuhan formula.

Ada satu kolom lagi: persentase lemak tubuh. Tidak selalu terlihat; diperlukan saat Katch-McArdle dipilih. Karena formula tersebut berjalan dari massa tubuh tanpa lemak, bukan dari berat total. Berapa bagian dari 80 kg di timbangan adalah massa tanpa lemak, dan berapa bagian lemak? Itulah fokus Katch.

Jangan terburu-buru di sini. Jika persentase lemak hanyalah perkiraan, hasilnya juga perkiraan. Timbangan pintar, metode pita ukur, kaliper, DEXA; semuanya tidak memiliki presisi yang sama. Bahkan timbangan yang sama bisa menunjukkan persentase berbeda di pagi dan malam hari. Air, garam, latihan, menstruasi, waktu pengukuran... Kadang perbedaan kecil saja sudah mengubah hasil.

Tiga formula, tiga pandangan berbeda

Di kalkulator ini tersedia opsi Mifflin-St Jeor, Revised Harris-Benedict, dan Katch-McArdle. Saat diterapkan pada orang yang sama, mereka tidak harus memberikan hasil yang persis sama. Meskipun tujuannya sama, jalan yang mereka gunakan berbeda.

Mifflin-St Jeor digunakan sebagai perkiraan modern default. Ini biasanya titik awal yang paling bersih untuk pengguna sehari-hari. Formula ini mengambil data berat, tinggi, usia, dan jenis kelamin. Untuk pria kira-kira: 10 × berat + 6.25 × tinggi(cm) - 5 × usia + 5; untuk wanita: 10 × berat + 6.25 × tinggi(cm) - 5 × usia - 161.

Anggap seorang pria berusia 30 tahun, tinggi 175 cm, berat 75 kg. Dengan Mifflin-St Jeor, hasilnya sekitar 1674 kcal/hari. Angka di sini tidak memberi tahu orang itu "ini target harianmu"; hanya memberikan perkiraan pengeluaran saat istirahat.

Revised Harris-Benedict berasal dari akar yang lebih tua, tetapi masih terlihat di banyak tempat. Untuk pria, menggunakan 88.362 + 13.397 × berat + 4.799 × tinggi(cm) - 5.677 × usia. Untuk wanita, 447.593 + 9.247 × berat + 3.098 × tinggi(cm) - 4.33 × usia. Karena koefisiennya berbeda, hasilnya pun berbeda.

Misalnya, untuk wanita berusia 35 tahun, 165 cm, 62 kg, hasil Revised Harris-Benedict sekitar 1364 kcal/hari. Jika dihitung dengan Mifflin untuk orang yang sama, Anda mungkin melihat selisih beberapa puluh kalori. Perbedaan itu bukan akhir dunia. Itu perbedaan formula.

Katch-McArdle melihat dari sudut yang berbeda. Alih-alih usia, tinggi, dan jenis kelamin, ia menggunakan massa tubuh tanpa lemak. Pertama, cari massa tanpa lemak: berat × (1 - persentase lemak / 100). Kemudian hitung 370 + 21.6 × massa tubuh tanpa lemak.

Pada contoh 80 kg dengan persentase lemak 15%, massa tanpa lemak sekitar 68 kg. Hasil Katch-McArdle juga sekitar 1839 kcal/hari. Jika dari dua orang dengan berat total yang sama, salah satunya lebih berotot, formula ini mungkin menangkap perbedaan itu lebih baik.

Tetapi "lebih baik" itu bersyarat. Jika persentase lemaknya benar.

Ada kebingungan yang sering terjadi di gym: orang berotot merasa dirinya rendah dalam formula BMR biasa, lalu beralih ke Katch tanpa benar-benar mengetahui persentase lemaknya. Kemudian terlalu percaya pada angka yang keluar. Menurut saya, masalahnya bukan formula mana yang lebih keren; melainkan seberapa akurat data yang Anda miliki. Jika persentase lemak tidak dapat diandalkan, memulai dengan Mifflin sering kali lebih jujur.

Mengapa perhitungan massa tanpa lemak berdiri sendiri?

Alasan Katch-McArdle berdiri sendiri adalah jaringan otot. Massa tanpa lemak adalah bagian yang tersisa setelah massa lemak dikurangkan dari total berat: otot, organ, tulang, air, dan jaringan lainnya. Karena bagian yang signifikan dari sisi yang aktif secara metabolik ada di sini, formula menggunakan nilai ini.

Contoh sederhana. Jika seorang 80 kg memiliki persentase lemak 15%, massa tanpa lemak adalah 80 × 0,85, yaitu 68 kg. Jika orang yang sama memasukkan persentase lemak 25%, massa tanpa lemak turun menjadi 60 kg. Karena formula bergantung langsung pada nilai ini, BMR juga turun.

Jadi, di Katch-McArdle, kolom persentase lemak bukan hiasan, melainkan jantung perhitungan.

Oleh karena itu, menulis persentase lemak tubuh dengan "perkiraan mata" dapat merusak hasil. Jika seseorang mengira dirinya 15% padahal sebenarnya 22%, akan ada perbedaan signifikan. Sebaliknya juga mungkin terjadi. Katch bisa lebih bermakna terutama bagi mereka yang rutin latihan beban, memiliki massa otot di atas rata-rata, atau baru saja melakukan pengukuran yang dapat diandalkan.

Bagaimana jika persentase lemak tidak diketahui? Tidak perlu dipaksakan. Mifflin-St Jeor memang lebih praktis untuk itu. Melakukan setiap perhitungan dengan formula paling terperinci tidak berarti hasil yang lebih akurat. Kadang perkiraan dengan lebih sedikit data lebih baik daripada perhitungan "detail" dengan data yang salah.

Di titik ini saya buka kurung: istilah BMR dan RMR kadang digunakan bergantian dalam konten sehari-hari. Sebenarnya ada perbedaan dalam kondisi pengukuran; BMR mengacu pada kondisi istirahat yang lebih ketat, sedangkan RMR mengacu pada pengukuran istirahat yang lebih praktis. Dalam kalkulator, garis ini tidak selalu sejelas di laboratorium. Yang penting bagi pengguna adalah: hasilnya adalah perkiraan, bukan pengukuran.

Bagaimana hasil kcal/hari sebaiknya digunakan?

Hasilnya ditampilkan dalam kcal/hari. Angka ini adalah perkiraan pengeluaran energi harian saat istirahat. Untuk menemukan total kebutuhan energi harian, tingkat aktivitas ditambahkan di atasnya. Seseorang yang duduk di kantor dan orang yang bekerja di gudang bisa memiliki BMR yang sama, tetapi total pengeluaran mereka tidak sama.

Bagi yang ingin menurunkan berat badan, BMR tidak boleh dianggap sebagai batas bawah target kalori harian. Berjalan dengan kalori sangat rendah dalam waktu lama dapat menyebabkan kelelahan, penurunan performa, rasa lapar berlebihan, dan siklus diet yang tidak dapat dipertahankan. Satu kalimat cukup di sini: jika ada kondisi kesehatan, penggunaan obat, kehamilan, menyusui, riwayat gangguan makan, atau penyakit kronis, rencana kalori tidak sebaiknya disusun hanya berdasarkan kalkulator.

Tidak perlu menyebarkannya ke seluruh teks.

Bagi yang ingin menambah berat badan, kesalahannya datang dari arah sebaliknya. Melompat langsung ke 3000 kalori hanya karena BMR 1700 dapat membebani pencernaan, nafsu makan, dan penumpukan lemak. Cara yang lebih masuk akal adalah memperkirakan total pengeluaran harian terlebih dahulu, lalu menambahkan sedikit sesuai tujuan.

Menggunakan hasil BMR secara praktis dengan cara berikut lebih sehat: catat angkanya, pertimbangkan bersama tingkat aktivitas harian, lalu amati perubahan nyata selama beberapa minggu. Berat badan, lingkar pinggang, energi, performa latihan, rasa lapar... Itu adalah hal-hal yang tidak diketahui kalkulator tetapi dikatakan oleh kehidupan.

Sebagian orang turun berat badan dengan 1800 kalori, sebagian lagi tetap di tempat dengan kalori yang sama. Tidur, stres, tiroid, massa otot, riwayat diet sebelumnya, siklus menstruasi, obat-obatan, jumlah langkah harian... Formula tidak melihat kebanyakan hal ini. Jangan berharap ia melihatnya.

Pekerjaan sebenarnya ada pada pemantauan.

Hasil perhitungan bukan kabar baik atau buruk dengan sendirinya. Melihat 1400 kcal/hari bukan berarti "metabolisme saya hancur"; melihat 2000 kcal/hari juga bukan berarti kenyamanan tanpa batas. Angka membutuhkan konteks.

Kesalahan kecil memperbesar hasil

Kesalahan paling umum dalam perhitungan ini adalah menggunakan berat yang tidak terbaru. Kadang orang menulis nilai timbangan dari bulan lalu. Jika berat berubah 4-5 kg, BMR juga berubah. Mungkin tidak terlalu dramatis, tetapi perbedaan itu menumpuk saat membuat rencana kalori.

Tinggi biasanya lebih stabil, tetapi nilai yang diukur bertahun-tahun lalu juga bisa digunakan. Terutama seiring bertambahnya usia, tinggi bisa sedikit berkurang. Satu sentimeter tidak merusak perhitungan, tetapi kebiasaan memasukkan data yang benar itu baik.

Menulis usia yang salah lebih jarang, tetapi bisa terjadi. Menulis 29 alih-alih 39 menarik hasil sedikit ke atas. Lucunya: orang tahu tahun lahirnya, tetapi kadang secara refleks menulis usia lama di formulir. Apalagi pada minggu-minggu setelah ulang tahun.

Pilihan jenis kelamin secara signifikan memengaruhi hasil karena mengubah konstanta formula. Di sini masalahnya bukan soal identitas; melainkan persamaan klasik yang digunakan disusun dengan koefisien pria/wanita. Alat ini bekerja dengan batasan itu.

Di Katch-McArdle, persentase lemak adalah area paling sensitif. Jika Anda menulis perkiraan tanpa mengetahui persentase lemaknya, hasilnya adalah perkiraan dari perkiraan. Ini kadang dapat diterima, kadang menyesatkan. Jika pengukuran persentase lemak Anda tidak dapat diandalkan, memulai dengan Mifflin dan melihat pemantauan kehidupan nyata adalah jalan yang lebih tenang.

Saat berpindah antar formula, anggap wajar melihat hasil yang berbeda pada orang yang sama. Perbedaan 80-100 kcal kadang hanya perbedaan persamaan. Tidak perlu panik langsung bertanya "mana yang benar?". Selama tidak ada pengukuran laboratorium, semuanya adalah perkiraan.

Sisi baik dari perhitungan BMR adalah: ia memulai masalah kalori bukan dari nol, tetapi dari suatu titik. Sisi buruknya: manusia sangat rentan memberikan terlalu banyak makna pada satu angka.

Ambil angkanya, tetapi jangan dijadikan segalanya. Setelah beberapa minggu, respons tubuh sering berbicara lebih jujur daripada formula.