Analisa Klasifikasi Status Gizi

dengan Metode Fuzzy C-Means

Menggunakan Aplikasi Berbasis Android
(Classification Analysis of Nutritional Status with the Fuzzy C-Means Method
Using Android Based Applications)
Sudirman, Nerfita Nikentari, ST., M.Cs dan Martaleli Bettiza, S.Si., M.Sc
Jurusan Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji (UMRAH)
Jl. Politeknik Senggarang, Tanjungpinang 29115
E-mail: dear18man@gmail.com; private.niken@gmail.com; mbettiza@gmail.com
Abstrak
Puskesmas Kecamatan Belakang Padang merupakan salah satu lembaga pemerintahan yang berperan pada
bidang kesehatan yang terdapat di kota Batam. Dalam mengolah data dan menganalisa status gizi balita, pihak
Puskesmas Kecamatan Belakang Padang masih melakukan pengolahan data secara arsip dan analisa belum tentu
terhitung dengan baik. Akibatnya, waktu akan lebih banyak terbuang dan dari segi hasil perhitungan juga belum
tentu akurat. Maka, tentu diperlukan waktu tambahan guna mengoptimalkan data-data status gizi balita tersebut.
Dalam penelitian ini peneliti membangun aplikasi berbasis android untuk menyelesaikan masalah penentuan
klasifikasi dengan menggunakan dua perhitungan, yaitu berdasarkan Standar Kementerian RI Tahun 2010
tentang Standar Antropometri Penilaian Status Gizi Anak pada indeks Berat Badan per Tinggi Badan (BB/TB)
dan perhitungan metode algoritma fuzzy c-means. Variabel yang digunakan dalam menentukan status gizi balita
untuk kedua perhitungan tadi ialah tinggi badan, berat badan, dan jenis kelamin. Dari penelitian yang dilakukan
terhadap 114 data sampel, metode fuzzy c-means menghasilkan jumlah kesamaan hasil klasifikasi terhadap
perhitungan berdasarkan Standar Kementerian tadi sebanyak 26 hingga 32 data sampel. Dan persentase
kesamaan hasil klasifikasi yang dihasilkan oleh sistem berkisar 22,81 % hingga 28,07 %.
Kata kunci : Status gizi balita, android, metode algoritma fuzzy c-means, variabel, klasifikasi.

Abstract
The Belakang Padangs District Health Center is one of the government agencies that play a role in the health
field located in the city of Batam. In data processing and analyzing the nutritional status of toddlers, The
Belakang Padangs District Health Center still perform processing archival and analysis of data is not
necessarily counted properly. As a result, more time will be wasted and in terms of the calculation is not
necessarily accurate. So, of course it takes additional time to optimize data the nutritional status of toddlers. In
this study, the researcher build android-based application to resolve the problem of determining classification
using the two calculation, which is based on the Indonesian Ministry Standard 2010 about Standard
Anthropometric Assessment Nutritional Status of Toddlers in the index of Weight per Height and the calculation
method of fuzzy cmeans algorithms. The variables used in determining the nutritional status of toddlers for
both our calculations are height, weight, and gender. From the study from 114 samples of data, methods of
fuzzy c-means produces the quantity of similarity calculations based on the results of the classification of the
Standard Ministry had as many as 26 to 32 sample data. And percentage similarity classification results
produced by the system ranges from 22.81% to 28.07%.
Keywords : The nutritional status of toddlers, android, method of fuzzy c-means algorithm, variable,
classification.

I. PENDAHULUAN
Puskesmas
Kecamatan
Belakang
Padang
merupakan salah satu lembaga pemerintahan yang
memiliki peran yang cukup besar dalam usaha
menjalankan tugas dan wewenang pemerintah
daerah Kota Batam pada bidang kesehatan. Salah
satu perannya dalam bidang kesehatan ialah
mengelola pendataan status gizi balita.
Sistem analisa status gizi balita yang dilakukan
oleh pihak Puskesmas Kecamatan Belakang
Padang masih diterapkan secara manual atau
analisa dilakukan masih menggunakan perhitungan
rumusan di atas kertas. Akibatnya, waktu akan
lebih banyak terbuang dan dari segi hasil
perhitungan juga belum tentu akurat. Maka, tentu
diperlukan waktu tambahan guna mengoptimalkan
data-data status gizi balita tersebut.
Aplikasi berbasis android merupakan solusi
yang dirasa mampu membantu menangani
permasalahan tersebut. Ditambah lagi dengan
perhitungan dengan metode fuzzy c-means dirasa
sangat mampu membantu menangani permasalahan
tersebut baik dari sisi perekaman data maupun
dalam hal analisa status gizi balita dan diharapkan
aplikasi yang dibangun dapat bekerja lebih baik
dengan menggunakan analisa perhitungan nilainilai kriterianya.
Dari uraian latar belakang diatas, maka penulis
mengambil judul yaitu Analisa Klasifikasi Status
Gizi
Dengan
Metode
Fuzzy
C-Means
Menggunakan Aplikasi Berbasis Android.
II. METODE PENELITIAN
A. Metode Pengumpulan Data
Pengumpulan data-data yang dibutuhkan dilakukan
dengan cara melakukan observasi. Hal ini
dilakukan di Puskesmas Kecamatan Belakang
Padang secara langsung. Dalam hal ini diperlukan
sebuah laptop dan alat tulis untuk merekap data dan
memudahkan dalam pengambilan data.
B. Metode Pengembangan Sistem
Pada tahap pengembangan sistem terdiri dari
proses-proses yang terstruktur yaitu : analisis,
desain,
kode,
dan
pengujian.
Metode
pengembangan ini dikenal dengan model
Sekuensial Linier menurut Roger S. Pressman.
Untuk desain model sekuensial linier dapat dilihat
pada gambar berikut.

Gambar 1. Metode Pengembangan Sistem

Berikut penjelasan bagaimana metode
pengembangan sistem yang digunakan dalam
sistem ini, yaitu :
1. Analysis
Tahap ini menguraikan kebutuhan sistem
yang utuh menjadi komponen-komponen
sistem untuk mengetahui bagaimana sistem
dibangun dan untuk mengetahui kelemahankelemahan sistem yang sudah ada sehingga
dapat dijadikan masukan dan pertimbangan
dalam penyusunan sistem yang baru. Pada
tahap ini, hal yang dilakukan adalah mencari
dan mempelajari referensi tentang status gizi
balita.
2. Design
Tahap ini merupakan tahap perancangan
sistem. Tahap design ini menggunakan
flowchart berfungsi untuk menyatakan aliran
algoritma atau proses sehingga memberi
solusi dalam penyelesaian masalah yang ada
di dalam proses atau algoritma tersebut.
Sementara Context Diagram dan DFD (Data
Flow Diagram) digunakan untuk membantu
menggambarkan diagram sistem yang akan
dibangun.
3. Code
Tahap ini adalah penerjemahan rancangan
dalam tahap desain ke dalam bahasa
pemrograman Java.
4. Test
Tahap ini merupakan uji coba terhadap
program yang dibangun. Sehingga analisis
hasil implementasi yang didapat dari sistem
disesuaikan dengan kebutuhan sistem
tersebut. Jika penerapan sistem sudah
berjalan dengan lancar, maka sistem dapat
diimplementasikan.
C. Perancangan Sistem
Alur sistem yang dibangun ini dapat dilihat pada
context diagram berikut.

Gambar. 2. Context Diagram

Context
diagram
digunakan
untuk
menggambarkan bagaimana sistem akan
dibangun. Aplikasi analisa status gizi ini
diperuntukkan untuk satu pengguna, yaitu
perawat.

Gambar 2 : Halaman Data Sampel

Proses penginputan parameter fuzzy c-means akan
ditampilkan seperti gambar berikut :

Gambar 3 : Halaman Penghitungan Fuzzy

Gambar. 3. Flowchart Algoritma Fuzzy C-Means
Proses fuzzy c-means dimulai dengan memasukkan
data sampel ke sistem untuk dibentuk menjadi
matriks. Kemudian perawat memasukkan nilai
parameter fuzzy c-means. Setelah itu sistem mulai
melakukan penghitungan yang dimulai dari
membentuk matriks partisi awal secara acak. Setelah
itu menghitung pusat cluster. Lalu dilanjutkan
dengan
menghitung
fungsi
obyektif
dan
memperbarui matriks partisi. Di akhir metode,
langkah selanjutnya, sistem akan memeriksa kondisi
berhenti antara lain | Pt-Pt-1 | < error atau t > iterasi
maksimum. Jika syarat berhenti belum terpenuhi,
maka iterasi bertambah 1 dan proses diulang kembali
ke tahap perhitungan pusat cluster. Dan jika syarat
terpenuhi, maka proses selesai.
III. PEMBAHASAN
Pada halaman data sampel sistem penganalisa
status gizi terdapat daftar data sampel dan beberapa
menu pendukung. Berikut adalah tampilan halaman
data sampel dalam sistem ini:

Selanjutnya saat proses perhitungan fuzzy c-means

selesai, maka output akan ditampilkan seperti
gambar berikut :

Gambar 4 : Halaman Hasil Akhir

1. Perhitungan fuzzy c-means
Berikut adalah data-data yang digunakan sebagai
bahan analisa sistem.

Tabel 1 : Pendataan Gizi Balita

1.1 Pembentukan Matriks Data Sampel

Langkah awal ialah membentuk matriks data
sampel X ij, dengan i=1, 2, 3, , 114 dan j=1, 2, 3.

1.2 Penentuan Parameter fuzzy c-means

1.6 Perhitungan Perubahan Matriks Partisi

Adapun nilai parameter yang dideklarasikan pada

pembahasan ini ialah sebagai berikut :
Jumlah cluster atau pengelompokan yang
diharapkan (c) = 4.
Batas iterasi / perulangan maksimum
(maxIter) = 100.
Nilai pembobot (w) = [1.25, 1.3, 1.35, 1.4,
1.45, 1.5, 1.55, 1.65, 1.7, 1.75, 1.8, 1.85, 1.9,
1.95, dan 2].
Batas galat terkecil (error) = 0.01.
Nilai fungsi obyektif awal (P0) = 0.
Dan nilai iterasi awal (t) = 1.

Dengan persamaan (6), diperoleh matriks partisi

yang baru pada iterasi ke-1 sebagai berikut:

1.3 Penentuan Matriks Partisi Acak Awal

Keanggotaan matriks partisi awal yang digunakan
dalam pembahasan ini ialah sebagai berikut :
dengan i=1, 2, 3, , 114 dan k=1,2,3,4.

1.7 Pengecekan Kondisi Berhenti

Pada langkah terakhir ini, adapun hasil syarat yang
didapat adalah sebagai berikut :

Iterasi saat ini (t) = 1

Iterasi maksimum (MaxIter) = 100
Fungsi obyektif awal (Pt-1) = 0
Fungsi obyektif akhir (Pt) = 285.7850665
Nilai mutlak dari selisih fungsi obyektif (Pt Pt-1) = 285.7850665
Error terkecil yang diharapkan (Error) = 0.01

Dengan hasil t < MaxIter dan Error < (Pt - Ptmaka proses kembali diulangi pada langkah
perhitungan pusat cluster.
1),

1.4 Perhitungan Pusat cluster

1.8 Pencapaian Hasil Akhir

Dengan persamaan (4), maka didapatkan hasil

perhitungan pusat cluster pada t=1 sebagai berikut,
dengan k=1,2,3,4 dan j=1,2,3 :

Dari keseluruhan perulangan proses di atas,

diperoleh hasil sebagai berikut :

Iterasi berhenti (t) = 29

Fungsi obyektif awal (Pt-1) = 174.1318423
Fungsi obyektif akhir (Pt) = 174.1318423
Nilai mutlak dari selisih fungsi obyektif (Pt Pt-1) = 0.008327569
Pusat cluster (Vkj) :

Matriks partisi (

1.5 Perhitungan Fungsi Obyektif

Dengan persamaan (5), maka nilai Pt pada iterasi
ke-1:
=

([

( , )

( , ))

](

) )

) terbaru :

= 1.204949743 + 0.307255033 +
2.213555955+ . . . + 3.868924166
= 285.7850665.

Tabel 4 : Klasifikasi Data pada Keempat cluster

Hasil lengkap derajat keanggotaan tiap data

pada setiap cluster dapat dilihat pada tabel berikut :
Tabel 2 : Keanggotaan Data pada Keempat cluster
2.2 Validasi Kesamaan
Hasil penentuan kesamaan data antara perhitungan
status gizi secara Standar Kementerian dan secara
penalaran fuzzy c-means dapat dilihat pada tabel
berikut.
Tabel 5 : Validasi Data SK dan FCM
No

2. Validasi Kesamaan Hasil Klasifikasi

2.1 Penentuan Klasifikasi
Berdasarkan tabel ambang batas status gizi
menggunakan standar deviasi, maka klasifikasi dari
cluster dapat dilihat pada tabel berikut.
Tabel 3 : Penentuan Klasifikasi

Berdasarkan tabel 2 dan 3, maka dapat

diperoleh hasil lengkap seperti di dalam tabel
berikut:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

FCM
Kurus
Kurus
Normal
Wasted
Gemuk
Gemuk
Kurus
Wasted
Gemuk
Gemuk
Normal
Normal
Normal
Kurus
Kurus
Kurus
Kurus
Wasted
Wasted
Wasted
Kurus
Kurus
Gemuk
Gemuk
Normal
Kurus
Normal
Kurus
Wasted
Wasted
Wasted
Wasted
Wasted
Wasted

SK
Normal
Normal
Normal
Normal
Gemuk
Normal
Normal
Normal
Normal
Gemuk
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Gemuk
Normal
Normal
Normal
Gemuk
Normal
Normal
Normal
Normal
Normal
Normal
Normal

Validasi
tidak sama
tidak sama
SAMA
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
SAMA
SAMA
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama

No
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97

FCM
Wasted
Gemuk
Wasted
Wasted
Wasted
Kurus
Gemuk
Wasted
Kurus
Normal
Kurus
Wasted
Kurus
Gemuk
Gemuk
Wasted
Kurus
Kurus
Normal
Kurus
Kurus
Normal
Gemuk
Gemuk
Gemuk
Kurus
Normal
Normal
Normal
Gemuk
Kurus
Wasted
Normal
Wasted
Gemuk
Gemuk
Gemuk
Kurus
Wasted
Wasted
Kurus
Gemuk
Normal
Wasted
Kurus
Wasted
Wasted
Kurus
Kurus
Wasted
Wasted
Wasted
Kurus
Kurus
Gemuk
Kurus
Kurus
Normal
Normal
Normal
Kurus
Gemuk
Normal

SK
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Gemuk
Normal
Normal
Wasted
Normal
Normal
Normal
Kurus
Normal
Gemuk
Normal
Kurus
Gemuk
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Gemuk
Normal
Normal
Normal
Normal
Normal
Kurus
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Kurus
Normal
Normal
Normal
Normal
Normal

Validasi
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
SAMA
tidak sama
SAMA
SAMA
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
tidak sama
SAMA
SAMA
tidak sama
tidak sama
SAMA

No
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114

FCM
Gemuk
Normal
Kurus
Gemuk
Normal
Normal
Normal
Gemuk
Normal
Kurus
Gemuk
Gemuk
Normal
Gemuk
Gemuk
Gemuk
Gemuk

SK
Normal
Normal
Normal
Wasted
Wasted
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal
Normal

Validasi
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
SAMA
SAMA
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
SAMA
tidak sama
tidak sama
tidak sama
tidak sama

Maka, perhitungan persentase kesamaan data

untuk pembobot (w) = 2 adalah sebagai berikut.

Dari keseluruhan nilai untuk setiap pembobot,

maka dapat dilihat persentase kesamaan pada tabel
berikut.

No
1

Tabel 6 : Persentase Kesamaan

Persentase Kesamaan
Pembobot (w)
(%)
1.25

1.3

1.35

1.4

1.45

1.5

1.55

1.6

1.65

10

1.7

11

1.75

12

1.8

13

1.85

14

1.9

15

1.95

16

2.0

28.07
28.07
27.19
27.19
27.19
27.19
25.44
25.44
25.44
25.44
24.56
23.68
22.81
22.81
22.81
22.81

IV. KESIMPULAN DAN SARAN

[2]

Deritana, Nini, Martha Kombong, dan G.

Yuristianti

A. Kesimpulan
Kesimpulan yang dapat diambil dari penelitian di
Puskesmas Kecamatan Belakang Padang adalah
sebagai berikut.

A.,

Gizi

2000,

untuk

Pertumbuhan dan Perkembangan Prioritas

dan

Intervensi

yang

Dilakukan

oleh

Jayawijaya WATCH Project. Jayawijaya

1.

2.

Aplikasi android mampu mengolah data

balita beserta menentukan klasifikasi untuk
perhitungan menurut Standar Kementerian
RI Tahun 2010 dan untuk perhitungan
metode fuzzy c-means.
Dari penelitian yang dilakukan terhadap
114 data sampel, metode fuzzy c-means
menghasilkan jumlah kesamaan hasil
klasifikasi
terhadap
perhitungan
berdasarkan Standar Kementerian tadi
sebanyak 26 hingga 32 data sampel. Dan
persentase kesamaan hasil klasifikasi yang
dihasilkan oleh sistem berkisar 22,81 %
hingga 28,07 %.

Women and Their Childrens Health Project.

1 : 7-8.
[3]

Hermaduanti, Ninki dan Sri Kusumadewi

(2008) . Sistem Pendukung Keputusan
Berbasis SMS untuk Menentukan Status Gizi
Menggunakan

Metode

K-Nearest

Neighbour.
[4]

Hendrawan, Deny Sidarta. (2012). Aplikasi

Belajar Menulis Untuk Anak Prasekolah
Berbasis Android.

B. Saran
Beberapa saran yang perlu disampaikan dalam
penelitian ini, dengan harapan akan menjadi saran
yang bermanfaat, yaitu :
1. Klasifikasi status gizi untuk orang dewasa
masih sangat mungkin untuk ditinjau
menggunakan metode fuzzy c-means dengan
menggunakan variabel yang lebih variatif.
2. Diharapkan untuk penelitian kedepannya
dapat diterapkan menggunakan
metode
klasifikasi lain seperti Nave Bayesian,
Decision Tree, fuzzy subtractive clustering,
dan fuzzy Equivalence Relation.
3. Penerapan metode fuzzy c-means ini juga
diharapkan dapat diterapkan pada studi
kasus yang berbeda dengan menggunakan
pengembangan platform yang lain pula
seperti IOS dan Blackberry OS.

[5]

DAFTAR PUSTAKA
[1]

Cox, Earl, 2005, Fuzzy Modelling and

Arwan

Ahmad

(2007).

Menentukan Nilai Akhir Kuliah Dengan

Fuzzy C-Means.
[6]

Klir, George J; Yuan, Bo. (1995). Fuzzy Sets

and Fuzzy Logic, Theory and Application.
Prentice Hall International, Inc.

[7]

Kusumadewi, S., & Purnomo, H. (2010).

Aplikasi Logika Fuzzy untuk Pendukung
Keputusan. Yogyakarta: Graha Ilmu

[8]

Luthfi, Emha Taufiq (2012). Modul Kuliah

Program Aplikasi Mobile. Diperoleh 14
Januari
2013,
dari
elearning.amikom.ac.id/index.php/download
/materi/100302125-ST08814/2012/03/20120326_MODUL%20ANDR
OID%201%20&%202%20&%203%20&%2
04%20&%205.pdf

[9]

Martino, Fernando Di dan Salvatore Sessa.

(2009). Implementation of the Extended
Fuzzy C-Means Algorithm in Geographic
Information Systems.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada Allah
Subhanahu Wa Taala, kedua orang tua dan
pembimbing yang telah banyak membantu serta
kepada segala pihak, yang baik secara langsung
membantu maupun tidak langsung.

Khoiruddin,

[10] Menkes, RI, 2011, Standar Antropometri

Penilaian Status Gizi Anak, Jakarta

Genetic Algorithms for Data Mining and

[11] Puskesmas, Belakang Padang, 2010, Profil

Exploration, Elsevier Inc, United Stated of

Puskesmas Belakang Padang Semester II

America.

2010: Batam.

[12] Rismawan, T., Ardhitya Wiedha Irawan,

[14] Safaat, Nazarudin, 2012, Pemrograman

Wahyu Prabowo dan Sri Kusumadewi

Aplikasi Mobile Smartphone dan Tablet PC

(2008) . Sistem Pendukung Keputusan

Berbasis Android, Informatika: Bandung.

Berbasis Pocket PC Sebagai Penentu Status

[15] Teknologiz. (2012). Sejarah Android, jenis

Gizi Menggunakan Metode KNN (K-Nearest

dan versi Android Operating System (OS).

Neighbour).

Diperoleh

[13] Roger S.Pressman, Ph.D., 2001. Software

Engineering A Practitioners Approach.

14

Januari

2013,

dari

http://www.teknologiz.com/2012/11/sejarahandroid-jenis-dan-versi-android.html

New York : McGraw- Hill.