Penentuan tingkat status gizi balita menggunakan metode Neural Network Backpropagation

INDONESIA:

Kesehatan pada balita merupakan suatu hal yang harus diperhatikan oleh para orang tua. Salah satu cara untuk menjaga kesehatan pada balita yakni dengan cara memperhatikan asupan gizi balita. Terdapat banyak sekali penyakit apabila asupan gizi balita tidak terpenuhi salah satunya yakni stunting. Stunting merupakan kondisi dimana tinggi badan balita lebih rendah daripada tinggi badan rata-rata anak seusianya. Pada penelitian ini metode Neural Network Backpropagation akan digunakan untuk melakukan klasifikasi pada status gizi balita. Sedangkan untuk pengujiannya akan digunakan metode Confusion Matrix. Tujuan dari penelitian ini adalah untuk mengetahui nilai accuracy dari sistem yang telah dibuat. Dalam penelitian ini dataset dibagi menjadi dua, serta uji coba dilakukan sebanyak 24 kali dengan melakukan tuning pada learning rate, hidden layers, serta epochs. Hasil dari penelitian ini didapatkan accuracy tertinggi pada penggunan dataset 31 sampai 60 bulan dengan learning rate sebesar 0,9, dengan 3 hidden layers serta dengan 2000 epochs dan mendapatkan nilai Accuracy sebesar 97,96%, Precision sebesar 96,04%, Recall sebesar 100% dan F-Measure sebesar 97,98%. Berdasarkan uji coba yang telah dilakukan dapat disimpulkan bahwa nilai Accuracy akan semakin tinggi apabila jumlah epochs berbanding lurus dengan jumlah hidden layers serta semakin besarnya leraning rate yang digunakan.

ENGLISH:

Health in toddlers is something that should be taken seriously by parents. One way to maintain a toddler's health is by paying attention to their nutritional intake. There are many diseases that can arise if a toddler's nutritional intake is not met, one of which is stunting. Stunting is a condition where a toddler's height is lower than the average height of children their age. In this research, the Backpropagation Neural Network method will be used to classify the nutritional status of toddlers. Meanwhile, the Confusion Matrix method will be used for testing. The purpose of this research is to determine the accuracy value of the system that has been created. In this study, the dataset is divided into two, and testing is conducted 24 times by tuning the learning rate, hidden layers, and epochs. The results of this study found the highest accuracy when using datasets for children aged 31 to 60 months, with a learning rate of 0.9, 3 hidden layers, and 2000 epochs, obtaining an accuracy value of 97.96%, Precision of 96.04%, Recall of 100%, and F-Measure of 97.98%. Based on the testing that has been carried out, it can be concluded that the accuracy value will increase as the number of epochs is proportional to the number of hidden layers and the larger learning rate used.

ARABIC:

صحة الأطفال الرضع هي شيء يجب على الآباء والأمهات الاهتمام به . أحد الطرق للحفاظ على صحة الرضع هو الاهتمام بتناولُ
الطعام الغني بالعناصر الغذائية . هناك الكثير من الأمراض التي يمكن أنُ تحدث إذاُ لم يتم تلبية احتياجات الرضع من العناصر الغذائيةُ ،
من بينها التقزمُ . التقزم هو حالة تتميز بارتفاع أقل في طولُ الجسم للأطفال الرضع مقارنة بالأطفال الآخرين في نفس العمر . في هذه
الدراسة سيتم استخدام طريقة شبكة الأعصاب العائدة الخلفية لتصنيف حالة تغذية الأطفال الرضع . أما للتحقق منه، فسيتم استخدامُ
طريقة مصفوفة الالتباس . الهدف من هذه الدراسة هو معرفة دقة النظام المصنوع . سيتم تقسيم مجموعة البيانات في هذه الدراسة إلُ
قسمي، وسيتم تنفيذ ٢٤ محاولة باستخدام تعديلَت على معدل التعلم وعددُ الطبقات الخفية وعدد الدورات . تُ الْصول علىُ دقة
عالية جدًا في هذه الدراسة باستخدام مجموعة البيانات التي تتراوح بي ٣١ و ٦٠ شهرًا، مع معدل تعلم يبلغ ٠.٩ وُ ٣ طبقات خفيةُ
و ٢٠٠٠ دورة، وتُ الْصول علىُ دقةُ ٩٧.٩٦ ٪ ودقة التوقعات ٩٦.٠٤ ٪ ودقةُ الاستدعاء ١٠٠ ٪ ومقياس ٩٧.٩٨ ٪ . يمكنُ
الاستنتاج من التجارب المجراة أنُ الدقة ستزداد بزيادة عددُ الدورات وعدد الطبقات الخفية، وزيادة معدل التعلمُ