Klasifikasi status gizi lansia menggunakan metode Backpropagation Neural Network

ABSTRAK:

Seiring bertambahnya usia seseorang, terjadi perubahan dalam struktur, fungsi sel, jaringan, dan sistem organ tubuh, terutama pada lansia. Kesehatan para lansia menjadi perhatian utama bagi keluarga dan masyarakat sekitar. Salah satu cara untuk menjaga kesehatan para lansia adalah dengan memperhatikan pola makan dan asupan gizi yang teratur dan memadai. Ketidak cukupan gizi pada lansia dapat menyebabkan berbagai masalah kesehatan, termasuk masalah berat badan dan kurangnya nutrisi. Dalam penelitian ini, dilakukan klasifikasi untuk menentukan status gizi pada lansia menggunakan metode Jaringan Saraf Tiruan Backpropagation dan Confusion Matrix untuk menguji dan mengevaluasi kemampuan model dalam mengklasifikasikan status gizi. Tujuan dari penelitian ini adalah untuk mengetahui nilai Accuracy, Precision, Recall, dan F-measure dari sistem yang dikembangkan. Penelitian ini melibatkan 250 dataset dengan 4 atribut, diuji sebanyak 16 kali dengan menggunakan adaptive learning rate, 1000 dan 2000 epochs, 1 dan 3 hidden layers, 2 aktivasi, dan 2 optimizer. Hasil penelitian menunjukkan Accuracy tertinggi diperoleh dari penggunaan aktivasi sigmoid, aktivasi rmsprop dengan 3 hidden layers dan 2000 epochs dengan nilai Accuracy sebesar 96,79%, Precision 96,86%, Recall 96,44%, dan F-measure 96,44%.

ABSTRACT:

As age progresses, changes occur in the structure, function of cells, tissues andorgan systems of the body, especially in the elderly. The health of the elderly is a majorconcern for families and the surrounding community. One way to maintain the health ofthe elderly is to pay attention to regular and adequate diet and nutritional intake. Insufficientnutrition in the elderly can cause various health problems, including weight problems andlack of nutrition. In this research, a classification was carried out to determine thenutritional status of the elderly using the Backpropagation Neural Network and ConfusionMatrix methods to test and evaluate the model's ability to classify nutritional status. Theaim of this research is to determine the Accuracy, Precision, Recall and F-measure valuesof the system being developed. This research involved 250 datasets with 4 attributes, tested8 times using an adaptive learning rate, 1000 and 2000 iterations, 1 and 3 hidden layers, 2activations, and 2 optimizers. The research results show that the highest accuracy isobtained from using sigmoid activation, rmsprop optimization with 3 hidden layers and2000 iterations with an accuracy value of 96.79%, precision 96.86%, recall 96.44%, and F-measure 96.44%

مستخلص البحث:

معتقدم الشخص يف العمر ، هناك تغيريات يف بنية ووظيفة اخلالاي واألنسجة وأنظمة األعضاء يف اجلسم ، وخاصة عندكبار السن يف االنتباه كبري للعائالت واجملتمع احمليط. تتمثل إحدى طرق احلفاظ على صحة كبار السن. صحة املسنني هي مصدر قلقإىل النظام الغذائي واملدخول الغذائيكبار السن إىل مشاكل صحية خمتلفة ، املنتظم والكايف. ميكن أن يؤدي عدم كفاية التغذية لدىمبا يف ذلك مشاكل الوزن ونقص التغذية. يف هذه الدراسة ، مت إجراء التصنيف لتحديد احلالة التغذوية لدى كبار السن ابستخدامطريقة الشبكة العصبية االصطناعية لالنتشار العكسي ومصفوفة االرتباك الختبار وتقييم قدرة النموذج على تصنيف احلالة التغذوية.الغرض من هذه الدراسة هو حتديد قيمة الدقة والدقة واالستدعاء وقياسFللنظام املطور. تضمنت هذه الدراسة250جمموعة بياانتمع4مسات ، مت اختبارها8مرات ابستخدام معدل التعلم التكيفي ، و1000و2000تكرار ، و1و3طبقات خمفية ،وتنشيطني ، و2حمسنني. أظهرت النتائج أعلى دقة مت احلصول عليها من استخدام تنشيط السيين ، وحتسنيrmspropمع3طبقات خمفية و2000تكرار بقيمة دقة96.79٪ ، دقة96.86٪ ، استدعاء96.44٪ ، وقياسF 96.44٪.