ABSTRAK
Pada penelitian ini dibuat purwarupa sistem pengukuran berat, panjang dan suhu badan,
untuk mengetahui status gizi dari bayi yang telah melakukan pengukuran. Status gizi didapatkan
dari penerapan metode fuzzy dimana pengujiannya dibandingkan dengan perhitungan Z score
menggunakan standar baku antropometri. Hasil pengukuran yang didapatkan selanjutnya diolah di
website menggunakan metode fuzzy untuk mengetahui status gizi bayi yang telah melakukan
pengukuran. Saat dilakukan pengujian diperoleh rata-rata dari selisih pengukuran sensor ultrasonik
adalah 0,07 cm (error 0,085%), sensor load cell dengan rata-rata dari selisih pengujian 0,0351 kg
(error 0,1885%), sensor MLX90614 dengan rata-rata dari selisih pengujian 0,273ºC (error 0,74%).
Hasil selisih dan error ini didapatkan dengan melakukan 10 kali pengujian. Pengujian status gizi
didapat dari perhitungan metode fuzzy yang dibandingkan dengan perhitungan z-score. Dari data
20 bayi didapat 96 data pengukuran, dimana terdapat 4 data yang tidak sesuai. Sehingga dapat
disimpulkan bahwa sistem yang dibuat berhasil, dengan tingkat keberhasilan 95,83%.
65
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
yang menggunakan suara sebagai output, yang disebabkan oleh kurangnya gizi. Data ini
pengukuran berat menggunakan sensor load cell penting untuk memonitor pengaruh intervensi
dan untuk mengukur tinggi menggunakan sensor gizi dalam upaya penyembuhan penyakit, trauma,
jarak ultrasonik. Dari tiga penelitian tersebut alat pembedahan dan lain sebagainya.
masih belum dilengkapi dengan sensor suhu 2.3 Metode Fuzzy
untuk mengetahui suhu badan dari bayi, dan Logika Fuzzy pertama kali diperkenalkan
keluaran yang dihasilkan hanya berupa informasi oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar
tinggi dan berat badan bayi. logika Fuzzy adalah teori himpunan Fuzzy. Pada
Dari beberapa penelitian yang telah teori himpunan Fuzzy, peranan derajat
dipaparkan, maka dirancang sebuah alat untuk keanggotaan sebagai penentu keberadaan elemen
membantu petugas kesehatan dalam mengukur dalam suatu himpunan sangatlah penting. Nilai
berat badan, panjang dan suhu pada bayi. Maka keanggotaan atau derajat keanggotaan atau
dibuat suatu penelitian dengan judul “Purwarupa membership function menjadi ciri utama dari
Alat Ukur Berat, Panjang dan Suhu Badan Bayi penalaran dengan logika Fuzzy [8]. Dalam logika
Berbasis Web Menggunakan Metode Fuzzy” Fuzzy terdapat beberapa hal yang penting untuk
sehingga mempermudah kinerja petugas diketahui, yaitu himpunan fuzzy, fungsi
kesehatan untuk mengukur bayi secara otomatis keanggotaan, operasi himpunan fuzzy dan fungsi
baik panjang, berat dan suhu guna mengetahui implikasi [8].
kondisi dari bayi tersebut.
2.3.1 .Himpunan Fuzzy
2. LANDASAN TEORI Himpunan Fuzzy yaitu suatu kelompok
2.1 Status Gizi yang mewakili suatu keadaan dalam suatu
Status gizi merupakan keadaan tubuh variabel. Pada himpunan fuzzy, nilai keanggotaan
sebagai akibat konsumsi makanan dan terletak pada 0 sampai 1. Apabila x memiliki nilai
penggunaan zat gizi, dimana zat gizi sangat keanggotaan fuzzy 0 (𝜇𝐴[𝑋] = 0), berarti x tidak
dibutuhkan oleh tubuh sebagai energi, menjadi anggota himpunan A, apabila x memiliki
pertumbuhan dan pemeliharaan jaringan tubuh, nilai keanggotaan fuzzy tidak sama dengan 0
serta pengatur proses tubuh [5]. Penilaian status (𝑥−𝑎)
(𝜇𝐴[𝑋] = (𝑏−𝑎)
), berarti x merupakan anggota
gizi pada bayi didapat berdasarkan pengukuran
antropometri yang terdiri dari variabel umur, himpunan A, namun tidak sepenuhnya menjadi
jenis kelamin, berat badan (BB) dan panjang anggota himpunan A,dan apabila x memiliki nilai
badan (PB). keanggotaan fuzzy 1 (𝜇𝐴[𝑋] = 1), berarti x
merupakan himpunan penuh dari A. Himpunan
2.2 Antropometri fuzzy memiliki dua atribut yaitu linguistik dan
Menurut Wignjosoebroto [6], antropometri numerik.
adalah ilmu yang berkaitan dengan pengukuran 2.3.2 Fungsi Keanggotaan
dimensi tubuh manusia. Secara definitif Fungsi keanggotaan merupakan suatu
antropometri dapat dinyatakan sebagai suatu ilmu kurva yang menunjukkan pemetaan titik-titik
yang berkaitan dengan pengukuran dimensi tubuh input data kedalam nilai keanggotaan (derajat
manusia, karena manusia pada dasarnya akan keanggotaan) yang memiliki interval 0 sampai 1.
memiliki bentuk, ukuran tinggi dan lebar badan Salah satu cara untuk mendapatkan nilai
dan sebagainya. Sedangkan menurut Sutalaksana keanggotaan adalah dengan melalui pendekatan
[7], antropometri adalah pengetahuan yang fungsi. Ada beberapa fungsi yang dapat
menyangkut tentang pengukuran tubuh manusia digunakan yaitu:
khususnya dimensi tubuh. 1. Representasi Linear
Pengukuran antropometri meliputi Representasi linear adalah pemetaan input
pengukuran berat badan, panjang badan, lingkar ke derajat keanggotaannya digambarkan sebagai
kepala dan lingkar lengan atas. Hasil yang suatu garis lurus. Pada representasi linear
diperoleh dari pengukuran antropometri terdapat dua kemungkinan, yaitu representasi
merupakan indikator sensitif dari kesehatan, kurva linear naik dilihat pada Gambar 1 dan
perkembangan, dan pertumbuhan bayi dan anak. representasi kurva linear turun yang dapat dilihat
Hasil pengukuran antropometri dapat digunakan pada Gambar 2, sedangkan untuk fungsi
untuk mengevakuasi status gizi, apakah berupa keanggotaan kurva linear naik dapat dilihat pada
obesitas yang disebabkan gizi lebih atau kurus
66
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
Persamaan 1 dan fungsi keanggotaan kurva linear fungsi keanggotaan dapat dilihat pada Persamaan
turun dapat dilihat pada Persamaan 2. 4.
68
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
4.2 Rancangan Perangkat Keras Antarmuka website berfungsi sebagai
Tahap ini dilakukan perancangan penggolah data uji dan data latih, serta untuk
perangkat keras secara keseluruhan dengan menampilkan data pengukuran berat, panjang dan
diagram blok sistem sebagai acuan. Perancangan suhu badan bayi yang didapatkan dari perangkat
perangkat keras dimulai dengan merancang keras. Diagram alir untuk antarmuka web dapat
rangkaian alat dan beberapa komponen menjadi dilihat pada Gambar 10.
sebuah sistem yang kemudian dirangkai menjadi
satu kesatuan sistem. Perancangan perangkat
keras secara keseluruhan dapat dilihat pada
Gambar 8.
71
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
dengan pendekatan basis pengetahuan yang dilakukan perhitungan metode fuzzy, variabel
berbasis aturan berdasarkan 3 variabl masukkan. umur terdapat pada fase 1 dan fase 2, sehingga
Basis pengetahuan pada penelitian ini dapat perhitungan berdasarkan proses fuzzifikasi yang
dilihat pada Tabel 2. digunakan adalah sebagai berikut:
8−7
Tabel 2. Basis Pengetahuan 𝜇𝐹𝑎𝑠𝑒1 = = 0.25
4
7−4
Aturan Status 𝜇𝐹𝑎𝑠𝑒2 = = 0.75
Kode 4
Var 1 Var 2 Var 3 Gizi Variabel berat badan bayi terdapat dalam
R1 Fase 1 Ringan Pendek Kurang kategori ringan dan sedang, sehingga perhitungan
R2 Fase 1 Ringan Sedang Kurang
sebagai berikut:
8.5 − 7
R3 Fase 1 Ringan Panjang Kurang 𝜇𝑅𝑖𝑛𝑔𝑎𝑛 = = 0.23
6.5
7−2
R4 Fase 1 Sedang Pendek Normal 𝜇𝑆𝑒𝑑𝑎𝑛𝑔 = = 0.76
6.5
R5 Fase 1 Sedang Sedang Normal Variabel panjang badan bayi terdapat pada
R6 Fase 1 Sedang Panjang Lebih kategori pendek dan sedang, sehingga
perhitungan berikut:
R7 Fase 1 Berat Pendek Obesitas 62 − 55
𝜇𝑃𝑒𝑛𝑑𝑒𝑘 = = 0.35
R8 Fase 1 Berat Sedang Lebih 20
55 − 42
R9 Fase 1 Berat Panjang Lebih 𝜇𝑆𝑒𝑑𝑎𝑛𝑔 = = 0.65
20
R10 Fase 2 Ringan Pendek Kurang Setelah diperoleh nilai derajat, proses
R11 Fase 2 Ringan Sedang Kurang selanjutnya adalah komposisi aturan. Terdapat
beberapa aturan fuzzy yang sama, sehingga akan
R12 Fase 2 Ringan Panjang Buruk
diambil solusi fuzzy dengan menggunakan
R13 Fase 2 Sedang Pendek Normal metode Min yang akan dijabarkan sebagai
R14 Fase 2 Sedang Sedang Normal berikut:
R15 Fase 2 Sedang Panjang Normal Fase 1 (0.25) and ringan (0.23) and pendek (0.35)
then kurang = 0.23
R16 Fase 2 Berat Pendek Obesitas
Fase 1 (0.25) and ringan (0.23) and sedang (
R17 Fase 2 Berat Sedang Lebih 0.65) then kurang = 0.23
R18 Fase 2 Berat Panjang Lebih Fase 1 (0.25) and sedang (0.76) and ringan (0.35)
R19 Fase 3 Ringan Pendek Kurang then normal = 0.25
Fase 1 (0.25) and sedang (0.76) and sedang
R20 Fase 3 Ringan Sedang Buruk
(0.65) then normal = 0.25
R21 Fase 3 Ringan Panjang Buruk Fase 2 (0.75) and ringan (0.23) and pendek (0.35)
R22 Fase 3 Sedang Pendek Normal then kurang = 0.23
R23 Fase 3 Sedang Sedang Normal Fase 2 (0.75) and ringan (0.23) and sedang (0.65)
then kurang = 0.23
R24 Fase 3 Sedang Panjang Obesitas
Fase 2 (0.75) and sedang (0.76) and ringan (0.35)
R25 Fase 3 Berat Pendek Lebih then normal = 0.35
R26 Fase 3 Berat Sedang Lebih Fase 2 (0.75) and sedang (0.76) and sedang (0.65)
R27 Fase 3 Berat Panjang Lebih then normal = 0.65
Proses terakhir yaitu defuzzifikasi, sehingga nilai z
5. IMPLEMENTASI, PENGUJIAN DAN diperoleh dengan perhitungan sebagai berikut:
PEMBAHASAN ((0.23 ∗ 48) + (0.23 ∗ 48) + (0.25 ∗ 53) +
5.1 Perhitungan Metode Fuzzy dan Z-Score (0.25 ∗ 53) + (0.23 ∗ 48) + (0.23 ∗ 48) +
Perhitungan metode fuzzy dan z-score (0.35 ∗ 53) + (0.65 ∗ 53))
𝑧∗ =
(0.23 + 0.23 + 0.25 + 0.25 + 0.23 + 0.23 +
berfungsi sebagai pembanding untuk mengetahui
0.35 + 0.65)
validasi dalam hasil penentuan status gizi bayi. (11.04 + 11.04 + 13.25 + 13.25 + 11.04 +
Diketahui bayi laki-laki bernama Agung Guntoro 11.04 + 18.55 + 34.45)
𝑍∗ =
berumur 7 bulan dengan hasil pengukuran berat (0.23 + 0.23 + 0.25 + 0.25 + 0.23 + 0.23 +
badan 7 kg dan panjang badan 55 cm. 0.35 + 0.65)
123.66
Berdasarkan data yang telah didapat maka 𝑍∗ = = 51.09 (normal)
2.42
72
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
Setelah didapat hasil dari perhitungan metode 7 − 4,5
BB/PB = = 4,17 (Obesitas)
fuzzy dengan data yang sama yaitu bayi laki-laki 5,1 − 4,5
bernama Agung Guntoro berumur 7 bulan Setelah dilakukan perhitungan didapat nilai
dengan berat badan 7 kg dan panjang badan 55 metode fuzzy (51,09) dan z-score (-1,4), nilai
cm akan dilakukan perhitungan z-score sebagai yang didapat kemudian dibandingkan sebagai
berikut: validasi, setelah dibandingkan bayi Agung
7 − 8,3 Guntoro memiliki status gizi “normal”.
BB/U = = −1,4 (Gizi normal)
8,3 − 7,4
55 − 69,2
PB/U = = −6,45 (Sangat pendek)
69,2 − 67
5.2 Pengujian Keseluruhan maupun aplikasi antarmuka website yang telah
dibuat. Hasil pengujian keseluruhan sistem dapat
Pengujian keseluruhan dilakukan untuk dilihat pada Tabel 3.
mengetahui kerja dari sistem pengukuran dan
perhitungan status gizi bayi, baik perangkat keras
Tabel 3. Hasil Pengujian Keseluruhan Sistem
73
Coding : Jurnal Komputer dan Aplikasi
Volume 07, No.03 (2019), hal 65-74 ISSN: 2338-493X
Tabel 4. Parameter Hasil Pengujian (Lanjutan)
No Pengujian Parameter Keterangan Hasil
Metode fuzzy dapat Metode fuzzy dapat menentukan status gizi
Implementasi Berhasil
7 menentukan status berdasarkan berat dan panjang badan bayi yang
metode fuzzy
gizi didapat dari hasil pengukuran alat.
74