Implementasi Fuzzy Associative Memory (FAM) untuk mendeteksi balita beresiko Stunting

INDONESIA:

Penelitian ini menerapkan metode Fuzzy Associative Memory (FAM) sebagai pendekatan alternatif untuk mendeteksi balita beresiko stunting. FAM dipilih karena kemampuannya dalam menangani data yang bersifat tidak pasti dan kompleks melalui kombinasi logika fuzzy dan jaringan saraf tiruan. Studi ini menggunakan data sekunder dari Bulan Timbang Februari 2023 di Kelurahan Lowokwaru, Kota Malang, yang mencakup 53 data balita dengan variabel berat badan, tinggi badan, berat badan lahir, dan tinggi badan lahir. Variabel-variabel ini direpresentasikan dalam bentuk himpunan fuzzy (rendah, sedang, tinggi), kemudian diproses menggunakan metode correlation-product encoding untuk membentuk sistem FAM. Proses defuzzifikasi dilakukan menggunakan pendekatan winner-take-all. Hasil pengujian menunjukkan bahwa sistem FAM mampu mengklasifikasikan status gizi balita dengan tingkat akurasi sebesar 77,55%. Temuan ini menunjukkan bahwa FAM dapat menjadi alat bantu yang potensial dalam proses identifikasi awal balita beresiko stunting. Pengembangan lebih lanjut dapat dilakukan dengan memperluas jumlah variabel dan penyempurnaan fungsi keanggotaan untuk meningkatkan akurasi model.

ENGLISH:

This study applies the Fuzzy Associative Memory (FAM) method as an alternative approach to detecting toddlers at risk of stunting. FAM was chosen because of its ability to handle uncertain and complex data through a combination of fuzzy logic and artificial neural networks. This study utilized secondary data from the February 2023 Weighing Month in Lowokwaru Village, Malang City, which included 53 toddlers’ data with variables of weight, height, birth weight, and birth height. These variables are represented in the form of fuzzy sets (low, medium, high), then processed using the correlation-product encoding method to form the FAM system. The defuzzification process was carried out using the winner-take-all approach. The test results showed that the FAM system was able to classify the nutritional status of toddlers with an accuracy level of 77,55%. These findings indicate that FAM can be a potential tool in the early identification process of toddlers at risk of stunting. Further improvement can be done by expanding the number of variables and refining the membership function to improve model accuracy.

ARABIC:

يتخذ هذا البحث نهجية ذاكرة الارتباط الضبابية (FAM) كاسلوب مبتكر للتعرف على الاطفال نحت سن الخمسة المعرضين لخطر التقزم. وقد تم اختيار FAM لقدراته على معالجة البيانات الغير مؤكدة و المعقدة من خلال التركيب بين المنطق الضبابي و الشبكات العصبية الاصطناعية. استخدمت هذه الدراسة بيانات ثانوية من وزن الشهر فبراير ٢٠٢٣ في كلورة لووكوارو, مدينة مالانغ, التي شملت ٥٣ طفلا دون سن الخامسة مع متغيرات الوزن, و الطول و وزن الولادة, و طول الولادة. تم تمثيل هذه المتغيرات في صورة مجموعات ضبابية )منخفضة متوسطة عالية,( ثم معالجتها باستخدام طريقة ترميز الارتباط المنتج لتشكيل نظام FAM .تم اجراء عملية ازالة الضبابية باستخدام نهج الفائز يأخذ الكل. اظهرت نتائج الاختبار ان نظام FAM قادر على تصنيف الحالة الغذائية لاطفال نحت سن الخمسة بدقة تبلغ ٧٧٫٥٥٪. تشير هذه النتائج الى ان FAM يمكن ان يكون اداة مساعدة فعالة في عملية تحديد الاطفال نحت سن الخمسة المعرضين لخطر التقزم مبكرا. يمكن اجراء تطوير اضافي من خلال توسيع عدد المتغيرات وتحسين وظائف العضوية لزيادة دقة النموذج.