Implementasi Metode Artificial Neural Network Backpropagation untuk klasifikasi tingkat status gizi ibu hamil

INDONESIA:

Pemantauan status gizi pada ibu hamil merupakan salah satu metode pemerintah untuk mengurangi resiko stunting pada anak. Dalam pemasalahan gizi ibu hamil ini menunjukkan pentingnya asupan makanan yang seimbang dan bergizi untuk memastikan ibu hamil memperoleh nutrisi yang cukup untuk kehamilan yang sehat serta dapat mendukung pertumbuhan dan perkembangan janin. Pada penelitian ini menggunakan metode Neural Network Backpropagation guna melakukan klasifikasi gizi ibu hamil. Tujuan dari penelitian ini adalah mengetahui seberapa besar performa model dari neural network dalam mengklasifikasikan status gizi ibu hamil. Data dalam penelitian ini diambil pada Praktek Mandiri Bidan Masturoh yang berlokasi di Kecamatan Tajinan, Kabupaten Malang. Data yang digunakan sebanyak 1023 record dengan fitur yang digunakan adalah usia, tinggi badan, berat badan awal, berat badan saat ini, lingkar lengan atas dan indeks massa tubuh. Dalam penelitian ini dilakukan pengujian sebanyak 36 kali dengan melakukan tuning pada learning rate, hidden layers, serta epochs dengan evaluasi hasil menggunakan Confusion Matriks. Hasil dari pengujian ini adalah mendapati nilai accuracy tertinggi sebesar 88% yang terjadi sebanyak 5 kali, dengan 4 kali dicapai saat data dibagi dalam perbandingan 90:10 dan satu kali pada perbandingan 80:10 dengan penggunaan learning rate 0,1. Kemudian mendapati nilai Recall tertinggi sebesar 76,90%, Precision tertinggi sebesar 75,00% dan F1-Score tertinggi sebesar 70,31%. Hal ini menunjukkan bahwa nilai learning rate yang lebih rendah lebih cocok untuk model yang digunakan dalam penelitian ini. Maka dengan proses pengujian yang telah dilakukan dapat disimpulkan dengan penggunaan learning rate yang lebih rendah, model cenderung lebih stabil dan mampu menemukan minimum global dengan lebih baik selama proses pelatihan.

ENGLISH:

Monitoring the nutritional status of pregnant women is one of the government's methods for reducing the risk of stunting in children. This nutritional problem for pregnant women shows the importance of balanced and nutritious food intake to ensure that pregnant women receive sufficient nutrition for a healthy pregnancy and can support the growth and development of the fetus. In this study, the Neural Network Backpropagation method was used to classify the nutrition of pregnant women. The aim of this research is to find out how well the neural network model performs in classifying the nutritional status of pregnant women. The data in this research was taken at the Independent Practice of Masturoh Midwives located in Tajinan District, Malang Regency. The data used were 1023 records with the features used being age, height, initial body weight, current body weight, upper arm circumference and body mass index. In this research, testing was carried out 36 times by tuning the learning rate, hidden layers, and epochs by evaluating the results using the Confusion Matrix. The result of this test was to find the highest accuracy value of 88% which occurred 5 times, with 4 times achieved when the data was divided in a ratio of 90:10 and once in a ratio of 80:10 using a learning rate of 0.1. Then we found the highest Recall value of 76.90%, the highest Precision of 75.00% and the highest F1-Score of 70.31%. This shows that a lower learning rate value is more suitable for the model used in this research. So, with the testing process that has been carried out, it can be concluded that by using a lower learning rate, the model tends to be more stable and is able to find the global minimum better during the training process.

ARABIC:

يعد رصد الحالة التغذوية للنساء الحوامل أحد الأساليب الحكومية للحد من مخاطر التقزم عند الأطفال. تظهر هذه المشكلة التغذوية للنساء الحوامل أهمية تناول طعام متوازن ومغذي لضمان حصول النساء الحوامل على تغذية كافية لحمل صحي ويمكن أن يدعم نمو الجنين وتطوره. تم في هذه الدراسة استخدام طريقة الانتشار العكسي للشبكة العصبية لتصنيف تغذية النساء الحوامل. الهدف من هذا البحث هو معرفة مدى جودة أداء نموذج الشبكة العصبية في تصنيف الحالة التغذوية للنساء الحوامل. تم أخذ البيانات في هذا البحث في الممارسة المستقلة لقابلات مستوروه الواقعة في منطقة تاجينان، محافظة مالانج. كانت البيانات المستخدمة عبارة عن 1023 سجلًا مع الميزات المستخدمة وهي العمر والطول ووزن الجسم الأولي ووزن الجسم الحالي ومحيط الجزء العلوي من الذراع ومؤشر كتلة الجسم. في هذا البحث، تم إجراء الاختبار 36 مرة عن طريق ضبط معدل التعلم والطبقات المخفية والعصور من خلال تقييم النتائج باستخدام مصفوفة الارتباك. كانت نتيجة هذا الاختبار هي العثور على أعلى قيمة دقة قدرها 88% والتي حدثت 5 مرات، مع تحقيق 4 مرات عندما تم تقسيم البيانات بنسبة 90:10 ومرة واحدة بنسبة 80:10 باستخدام معدل التعلم 0.1. ثم تم العثور على أعلى قيمة استدعاء بنسبة 76.90%، وأعلى دقة بنسبة 75.00%، وأعلى درجة F1 بنسبة 70.31%. وهذا يدل على أن قيمة معدل التعلم الأقل هي أكثر ملاءمة للنموذج المستخدم في هذا البحث. لذلك، من خلال عملية الاختبار التي تم تنفيذها، يمكن استنتاج أنه باستخدام معدل تعلم أقل، يميل النموذج إلى أن يكون أكثر استقرارًا ويكون قادرًا على العثور على الحد الأدنى العالمي بشكل أفضل أثناء عملية التدريب