KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

Penulis

  • J.B. Budi Darmawan Universitas Sanata Dharma
  • Evannoah Rolimarch Pratama

Kata Kunci:

status gizi balita, antropometri, neural network, backpropagation

Abstrak

Anak usia di bawah lima tahun merupakan periode perkembangan yang rentan terhadap masalah kesehatan dan gizi. Oleh karena itu, pemenuhan gizi pada balita perlu diperhatikan. Status gizi balita dapat ditentukan berdasarkan indeks antropometri dengan indikator berat badan terhadap umur (BB/U), tinggi badan terhadap umur (TB/U) dan berat badan terhadap tinggi badan (BB/TB). Klasifikasi dilakukan untuk menentukan status gizi berdasarkan BB/U, TB/U, dan BB/TB. Penelitian ini menggunakan model Jaringan Syaraf Tiruan (JST)  Backpropagation untuk mengekstraksi variabel input, fungsi aktivasi dan optimizer sebagai parameter yang akan dimodifikasi. Akurasi tertinggi untuk klasifikasi BB/U, TB/U dan BB/TB masing-masing adalah 98.470%, 90.706% dan 91.412%. Selain itu, pengujian dilakukan dengan mencari akurasi dari prediksi data Persebaran Status Gizi (PSG) 2019. Hasil akurasi untuk masing-masing klasifikasi BB/U, TB/U dan BB/TB adalah 93.93%, 81.81%, dan 96.96%.

Referensi

Han, J., Kamber, M. & Pei, J. 2000. DATA MINING Concepts and Techniques. USA: Morgan Kaufmann Publishers.

Joyonegoro, F. 2017. Implementasi K-Nearest Neighbor (KNN) pada Klasifikasi Tanaman Holtikultura Sesuai dengan Media Tanam dan Lingkungan.

Kuswana, Riska Utami., Abdillah, Gunawan., Komarudin, Agus. 2019. Prediksi Realisasi Penerimaan Pajak Bumi dan Bangunan di Pemerintah Kabupaten Bandung Barat Menggunakan Jaringan Syaraf Tiruan Backpropagation. Seminar Nasional Sains & Teknologi Informasi, 580-585.

Kristanto, Andri. 2004. Jaringan Syaraf Tiruan (Konsep Dasar, Algoritma, dan Aplikasi), Yogyakarta: Gaya Media.

Kusuma, Johan Satria. 2020. Klasifikasi Status Gizi Balita Menggunakan Metode Random Forest. Universitas Sanata Dharma. Yogyakarta.

Kusumadewi, Sri. 2004. Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB & EXCEL LINK, Yogyakarta: Graha Ilmu.

Nugraha, Satria Dwi., Putri, Rekyan Regasari Mardi., Wihandika, Randy Cahya. 2017. Penerapan Fuzzy K-Nearest Neighbor (FK-NN) Dalam Menentukan Status Gizi Balita. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(9): 925-932.

Setiadi, Ridwan., Wulandari, Sri. 2019. Analisis Jaringan Syaraf Tiruan Backpropagation untuk Prediksi Kelas Tanah, N-SPT, dan Kohesi Tak Terdrainase. Jurnal Teoretis dan Terapan Bidang Rekayasa Sipil, 26(3): 239-248.

Susanto, S., Suryadi, D. 2010. PENGANTAR DATA MINING Mengagali Pengetahuan dari Bongkahan Data, Yogyakarta: ANDI.

##submission.downloads##

Diterbitkan

2021-10-01

Terbitan

2021: Prosiding Seminar Nasional Riset dan Teknologi Terapan (Ritektra)

Bagian

Articles

Lisensi

Hak Cipta (c) 2021 J.B. Budi Darmawan, Evannoah Rolimarch Pratama

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.