Gizi Sudirman PDF
Gizi Sudirman PDF
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.
1
I. PENDAHULUAN
Puskesmas Kecamatan Belakang Padang Gambar 1. Metode Pengembangan Sistem
merupakan salah satu lembaga pemerintahan yang
memiliki peran yang cukup besar dalam usaha Berikut penjelasan bagaimana metode
menjalankan tugas dan wewenang pemerintah pengembangan sistem yang digunakan dalam
daerah Kota Batam pada bidang kesehatan. Salah sistem ini, yaitu :
1. Analysis
satu perannya dalam bidang kesehatan ialah Tahap ini menguraikan kebutuhan sistem
mengelola pendataan status gizi balita. yang utuh menjadi komponen-komponen
sistem untuk mengetahui bagaimana sistem
Sistem analisa status gizi balita yang dilakukan dibangun dan untuk mengetahui kelemahan-
oleh pihak Puskesmas Kecamatan Belakang kelemahan sistem yang sudah ada sehingga
Padang masih diterapkan secara manual atau dapat dijadikan masukan dan pertimbangan
analisa dilakukan masih menggunakan perhitungan dalam penyusunan sistem yang baru. Pada
rumusan di atas kertas. Akibatnya, waktu akan tahap ini, hal yang dilakukan adalah mencari
dan mempelajari referensi tentang status gizi
lebih banyak terbuang dan dari segi hasil
balita.
perhitungan juga belum tentu akurat. Maka, tentu 2. Design
diperlukan waktu tambahan guna mengoptimalkan Tahap ini merupakan tahap perancangan
data-data status gizi balita tersebut. sistem. Tahap design ini menggunakan
flowchart berfungsi untuk menyatakan aliran
Aplikasi berbasis android merupakan solusi algoritma atau proses sehingga memberi
yang dirasa mampu membantu menangani solusi dalam penyelesaian masalah yang ada
permasalahan tersebut. Ditambah lagi dengan di dalam proses atau algoritma tersebut.
perhitungan dengan metode fuzzy c-means dirasa Sementara Context Diagram dan DFD (Data
Flow Diagram) digunakan untuk membantu
sangat mampu membantu menangani permasalahan menggambarkan diagram sistem yang akan
tersebut baik dari sisi perekaman data maupun dibangun.
dalam hal analisa status gizi balita dan diharapkan 3. Code
aplikasi yang dibangun dapat bekerja lebih baik Tahap ini adalah penerjemahan rancangan
dengan menggunakan analisa perhitungan nilai- dalam tahap desain ke dalam bahasa
nilai kriterianya. pemrograman Java.
4. Test
Dari uraian latar belakang diatas, maka penulis Tahap ini merupakan uji coba terhadap
mengambil judul yaitu Analisa Klasifikasi Status program yang dibangun. Sehingga analisis
Gizi Dengan Metode Fuzzy C-Means hasil implementasi yang didapat dari sistem
Menggunakan Aplikasi Berbasis Android. disesuaikan dengan kebutuhan sistem
tersebut. Jika penerapan sistem sudah
berjalan dengan lancar, maka sistem dapat
II. METODE PENELITIAN diimplementasikan.
A. Metode Pengumpulan Data
C. Perancangan Sistem
Pengumpulan data-data yang dibutuhkan dilakukan Alur sistem yang dibangun ini dapat dilihat pada
dengan cara melakukan observasi. Hal ini context diagram berikut.
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. 2. Context Diagram
2
Context diagram digunakan untuk
menggambarkan bagaimana sistem akan
dibangun. Aplikasi analisa status gizi ini
diperuntukkan untuk satu pengguna, yaitu
perawat.
III. PEMBAHASAN
Gambar 4 : Halaman Hasil Akhir
Pada halaman data sampel sistem penganalisa
status gizi terdapat daftar data sampel dan beberapa 1. Perhitungan fuzzy c-means
menu pendukung. Berikut adalah tampilan halaman
data sampel dalam sistem ini: Berikut adalah data-data yang digunakan sebagai
bahan analisa sistem.
3
Tabel 1 : Pendataan Gizi Balita
4
1.2 Penentuan Parameter fuzzy c-means 1.6 Perhitungan Perubahan Matriks Partisi
Adapun nilai parameter yang dideklarasikan pada Dengan persamaan (6), diperoleh matriks partisi
pembahasan ini ialah sebagai berikut : yang baru pada iterasi ke-1 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 (4), maka didapatkan hasil Dari keseluruhan perulangan proses di atas,
perhitungan pusat cluster pada t=1 sebagai berikut, diperoleh hasil sebagai berikut :
dengan k=1,2,3,4 dan j=1,2,3 :
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) :
= 1.204949743 + 0.307255033 +
2.213555955+ . . . + 3.868924166
= 285.7850665.
5
Tabel 4 : Klasifikasi Data pada Keempat cluster
6
No FCM SK Validasi No FCM SK Validasi
35 Wasted Normal tidak sama 98 Gemuk Normal tidak sama
36 Gemuk Normal tidak sama 99 Normal Normal SAMA
37 Wasted Normal tidak sama 100 Kurus Normal tidak sama
38 Wasted Normal tidak sama 101 Gemuk Wasted tidak sama
39 Wasted Normal tidak sama 102 Normal Wasted tidak sama
40 Kurus Normal tidak sama 103 Normal Normal SAMA
41 Gemuk Normal tidak sama 104 Normal Normal SAMA
42 Wasted Normal tidak sama 105 Gemuk Normal tidak sama
43 Kurus Normal tidak sama 106 Normal Normal SAMA
44 Normal Normal SAMA 107 Kurus Normal tidak sama
45 Kurus Normal tidak sama 108 Gemuk Normal tidak sama
46 Wasted Normal tidak sama 109 Gemuk Normal tidak sama
47 Kurus Normal tidak sama 110 Normal Normal SAMA
48 Gemuk Normal tidak sama 111 Gemuk Normal tidak sama
49 Gemuk Gemuk SAMA 112 Gemuk Normal tidak sama
50 Wasted Normal tidak sama 113 Gemuk Normal tidak sama
51 Kurus Normal tidak sama 114 Gemuk Normal tidak sama
52 Kurus Wasted tidak sama
53 Normal Normal SAMA Maka, perhitungan persentase kesamaan data
54 Kurus Normal tidak sama untuk pembobot (w) = 2 adalah sebagai berikut.
55 Kurus Normal tidak sama
56 Normal Kurus tidak sama
57 Gemuk Normal tidak sama
58 Gemuk Gemuk SAMA
59 Gemuk Normal tidak sama
60 Kurus Kurus SAMA
61 Normal Gemuk tidak sama
62 Normal Normal SAMA Dari keseluruhan nilai untuk setiap pembobot,
63 Normal Normal SAMA maka dapat dilihat persentase kesamaan pada tabel
64 Gemuk Normal tidak sama berikut.
65 Kurus Normal tidak sama
66 Wasted Normal tidak sama Tabel 6 : Persentase Kesamaan
67 Normal Normal SAMA Persentase Kesamaan
68 Wasted Normal tidak sama No Pembobot (w) (%)
69 Gemuk Normal tidak sama
70 Gemuk Gemuk SAMA
1 1.25 28.07
71 Gemuk Normal tidak sama 2 1.3 28.07
72 Kurus Normal tidak sama 3 1.35 27.19
73 Wasted Normal tidak sama
74 Wasted Normal tidak sama 4 1.4 27.19
75 Kurus Normal tidak sama 5 1.45 27.19
76 Gemuk Kurus tidak sama
77 Normal Normal SAMA 6 1.5 27.19
78 Wasted Normal tidak sama 7 1.55 25.44
79 Kurus Normal tidak sama
80 Wasted Normal tidak sama
8 1.6 25.44
81 Wasted Normal tidak sama 9 1.65 25.44
82 Kurus Normal tidak sama 25.44
10 1.7
83 Kurus Normal tidak sama
84 Wasted Normal tidak sama 11 1.75 24.56
85 Wasted Normal tidak sama 12 1.8 23.68
86 Wasted Normal tidak sama
87 Kurus Normal tidak sama 13 1.85 22.81
88 Kurus Normal tidak sama 14 1.9 22.81
89 Gemuk Normal tidak sama
90 Kurus Normal tidak sama
15 1.95 22.81
91 Kurus Normal tidak sama 16 2.0 22.81
92 Normal Kurus tidak sama
93 Normal Normal SAMA
94 Normal Normal SAMA
95 Kurus Normal tidak sama
96 Gemuk Normal tidak sama
97 Normal Normal SAMA
7
IV. KESIMPULAN DAN SARAN [2] Deritana, Nini, Martha Kombong, dan G.
A. Kesimpulan Yuristianti A., 2000, Gizi untuk
Kesimpulan yang dapat diambil dari penelitian di Pertumbuhan dan Perkembangan Prioritas
Puskesmas Kecamatan Belakang Padang adalah
sebagai berikut. dan Intervensi yang Dilakukan oleh
Jayawijaya WATCH Project. Jayawijaya
1. Aplikasi android mampu mengolah data
balita beserta menentukan klasifikasi untuk Women and Their Childrens Health Project.
perhitungan menurut Standar Kementerian 1 : 7-8.
RI Tahun 2010 dan untuk perhitungan
metode fuzzy c-means. [3] Hermaduanti, Ninki dan Sri Kusumadewi
2. Dari penelitian yang dilakukan terhadap (2008) . Sistem Pendukung Keputusan
114 data sampel, metode fuzzy c-means
menghasilkan jumlah kesamaan hasil Berbasis SMS untuk Menentukan Status Gizi
klasifikasi terhadap perhitungan Menggunakan Metode K-Nearest
berdasarkan Standar Kementerian tadi
sebanyak 26 hingga 32 data sampel. Dan Neighbour.
persentase kesamaan hasil klasifikasi yang [4] Hendrawan, Deny Sidarta. (2012). Aplikasi
dihasilkan oleh sistem berkisar 22,81 %
hingga 28,07 %. Belajar Menulis Untuk Anak Prasekolah
Berbasis Android.
B. Saran [5] Khoiruddin, Arwan Ahmad (2007).
Beberapa saran yang perlu disampaikan dalam Menentukan Nilai Akhir Kuliah Dengan
penelitian ini, dengan harapan akan menjadi saran
yang bermanfaat, yaitu : Fuzzy C-Means.
1. Klasifikasi status gizi untuk orang dewasa [6] Klir, George J; Yuan, Bo. (1995). Fuzzy Sets
masih sangat mungkin untuk ditinjau
menggunakan metode fuzzy c-means dengan and Fuzzy Logic, Theory and Application.
menggunakan variabel yang lebih variatif. Prentice Hall International, Inc.
2. Diharapkan untuk penelitian kedepannya
dapat diterapkan menggunakan metode [7] Kusumadewi, S., & Purnomo, H. (2010).
klasifikasi lain seperti Nave Bayesian, Aplikasi Logika Fuzzy untuk Pendukung
Decision Tree, fuzzy subtractive clustering, Keputusan. Yogyakarta: Graha Ilmu
dan fuzzy Equivalence Relation.
3. Penerapan metode fuzzy c-means ini juga [8] Luthfi, Emha Taufiq (2012). Modul Kuliah
diharapkan dapat diterapkan pada studi Program Aplikasi Mobile. Diperoleh 14
kasus yang berbeda dengan menggunakan
Januari 2013, dari
pengembangan platform yang lain pula
seperti IOS dan Blackberry OS. elearning.amikom.ac.id/index.php/download
/materi/100302125-ST088-
14/2012/03/20120326_MODUL%20ANDR
OID%201%20&%202%20&%203%20&%2
UCAPAN TERIMA KASIH 04%20&%205.pdf
Penulis mengucapkan terima kasih kepada Allah
Subhanahu Wa Taala, kedua orang tua dan [9] Martino, Fernando Di dan Salvatore Sessa.
pembimbing yang telah banyak membantu serta (2009). Implementation of the Extended
kepada segala pihak, yang baik secara langsung Fuzzy C-Means Algorithm in Geographic
membantu maupun tidak langsung. Information Systems.
8
[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 14 Januari 2013, dari
[13] Roger S.Pressman, Ph.D., 2001. Software http://www.teknologiz.com/2012/11/sejarah-
Engineering A Practitioners Approach. android-jenis-dan-versi-android.html
New York : McGraw- Hill.