Penggunaan jaringan saraf tiruan untuk mendeteksi status gizi balita dengan metode backpropagation

INDONESIA :

Jaringan saraf tiruan adalah suatu metode pengelompokan dan pemisahan data yang prinsip kerjanya sama seperti jaringan saraf pada manusia. Elemen mendasar dari jaringan saraf tiruan ini adalah bagaimana memproses sistem dan beberapa struktur sehingga menjadi sebuah informasi. Jaringan saraf tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi suatu data. Proses dari jaringan saraf tiruan ini dilakukan dengan pendekatan Feedforward dan Backpropagation yang dilihat dari nilai errornya.

Gizi merupakan salah satu faktor penting yang menentukan tingkat kesehatan dan kesejahteraan manusia. Keadaan gizi seseorang dikatakan baik apabila terdapat keseimbangan dan keserasian antara perkembangan fisik dan perkembangan mental orang tersebut. Penelitian jaringan saraf tiruan yang diaplikasikan pada status gizi balita ini bertujuan untuk mendapatkan arsitektur yang optimal.

Pada penelitian ini didapatkan nilai means square error yang minimum dari pelatihan backpropagation, dengan pemberian... dan iterasi 1000 yaitu MSE = 1.1904e-005, dan model arsitektur jaringan saraf tiruan yang optimal dari pelatihan backpropagation pada status gizi balita, yaitu arsitektur jaringan yang terdiri dari 2 unit input, 10 hidden node pada 1 hidden layer, dan 4 unit output.

ENGLISH :

Artificial neural network is a method of grouping and separation of data that works at the same principle as the human neural network. The fundamental elements of neural networks are how to process the system and some structure so that it becomes an information. Neural network was formed to solve a specific problem such as pattern recognition or classification of data. The process of neural network is done using Feedforward and backpropagation approach and investigate its error value.

Nutrition is one of the important factors that determine the level of health of human. Nutritional state of a person is good if there is a balance and harmony between the physical and mental development of the person. This research of artificial neural networks that are applied in the nutritional status of children aims to obtain an optimal architecture.

In this study, the value of the minimum means square error backpropagation training, using a = 0.2 and 1000 iterations that is MSE = 1.1904e-005. We also obtained optimum model of artificial neural network architecture using backpropagation training on infant nutritional state, which is a network architecture that consists of two units of input, ten hidden node in one hidden layer, and four units of output.