Aplikasi Metode Fuzzy Mamdani dalam Penentuan Status Gizi dan Kebutuhan Kalori Harian Balita Menggunakan Software Matlab
Keywords:
Children Nutritional Status, Daily Calorie Needs Children, Fuzzy Logic, Fuzzy Inference System, Method Fuzzy MamdaniAbstract
Determination of nutritional status is an effort made to improve the health of infants and can be seen nutritional condition of children under five. Children need energy to function as an energy for metabolism and growth. In theory there is a way to determine the nutritional status and daily calorie needs, but the determination of the use of the set firmly (crisp). It is very stiff, because with only minor changes to a value resulting in the different categories. Set of fuzzy is used to anticipate, because it can provide tolerance to a value so that with slight changes in the value will not be a significant difference.
Fuzzy Inference System is a framework for the calculation is based on the concept ofset theory fuzzy and thinking fuzzy used in drawing conclusions or decision. As well as to problems in determining the nutritional status and daily calorie needs in infants. One of method is Method Fuzzy Mamdani. The procedure in this method is namely the establishment ofset, fuzzy the implications of the application functions, composition rules, and defuzzification. Based on the results of processing using a program application that has been built with sofware Matlab R2013a in determining the nutritional status of infants at Margahayu Village South, Bandung regency by using the Method Fuzzy Mamdani, and after the assessment of the total population, it is obtained as many as 271 children with good nutritional status (anthropometric indices W/A) and normal nutritional status (the Body Mass Index), 60 children with nutritional status (anthropometric indices W/A) and the nutritional status of obese (the Body Mass Index), and 112 children with malnutrition status (anthropometric indices W/A) and the nutritional status of underweight (Body Mass Index).
ABSTRAK
Penentuan status gizi merupakan suatu upaya yang dilakukan dalam meningkatkan derajat kesehatan balita. Balita membutuhkan energi yang berfungsi sebagai zat tenaga untuk metabolisme dan pertumbuhan. Secara teori sudah ada cara untuk menentukan status gizi dan kebutuhan kalori harian, namun penentuan tersebut menggunakan himpunan tegas (crisp). Hal ini sangat kaku, karena dengan adanya perubahan yang kecil saja terhadap suatu nilai mengakibatkan perbedaan kategori. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut, karena dapat memberikan toleransi terhadap suatu nilai sehingga dengan adanya perubahan sedikit pada nilai tidak akan memberikan perbedaan yang signifikan.
Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan atau keputusan. Salah satu metodenya adalah Metode Fuzzy Mamdani. Prosedur dalam metode ini adalah pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, dan defuzzifikasi. Berdasarkan hasil pengolahan menggunakan program aplikasi yang telah dibangun dengan software Matlab R2013a dalam menentukan status gizi balita di Desa Margahayu Selatan, Kabupaten Bandung dengan menggunakan Metode Fuzzy Mamdani dan dilakukan penaksiran total populasi, maka diperoleh 271 balita dengan status gizi baik (indeks antropometri BB/U) dan status gizi normal (Indeks Massa Tubuh), 60 balita dengan status gizi lebih (indeks antropometri BB/U) dan status gizi gemuk (Indeks Massa Tubuh), dan 112 balita dengan status gizi kurang (indeks antropometri BB/U) dan status gizi kurus (Indeks Massa Tubuh).
References
Undang-Undang RI No 36 Tahun 2009 Tentang Kesehatan. (2009).
Away, G. A. (2010). The Shortcut of Matlab Programming. Bandung: Informatika.
Chen, G., & Pham, T. T. (2001). Introduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems. United States: CRC Press.
J.Klir, G., & Yuan, B. (1995). Fuzzy Sets And Fuzzy Logic (Theory and Applications). Unites States: Prentice Hall.
Johannes Supranto, M. (t.thn.). Teknik Pengambilan Keputusan. 1998: Rineka Cipta.
Kesehatan, D. (2015). Laporan Tahunan Kabupaten Bandung 2014.
Kesehatan, D. (2015). Profil Kesehatan Kota Bandung 2014.
Kusumadewi, S. (2002). Analisis Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Graha Ilmu.
Kusumadewi, S. (2006). Neuro Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Sarah. Yogyakarta: Graha Ilmu.
Kusumadewi, S. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan.
L.N, Y., & H, S. (2006). Psikologi Perkembangan Anak dan Remaja. Bandung: PT Remaja Rosdakarya.
McNeill, F. M. (1994). Fuzzy Logic a Pratical Approach. AP Professional.
Munir, R. (2013). Metode Numerik. Bandung: Informatika.
Ramadani, S. (2011). Hubungan Konsumsi Kalori Harian Dengan Status Gizi Anak Usia 6-12 Tahun Di Panti Asuhan Mamiyai Al Ittihadiyah, Medan.
Reni Anggraeni, d. (2010). Klasifikasi Status Balita Berdasarkan Indeks Antropometri (BB/U) Menggunakan Jaringan Saraf Tiruan. SNASTI.
RI, K. (2015). Profil Kesehatan Indonesia 2014.
RI, M. (2014). Pedoman Gizi Seimbang.
Ross, T. J. (2010). Fuzzy Logic. Wiley.
Salman, M. A. (2010). A Comparion of Mamdani and Sugeno Inference Systems For a Satellite Image Classification. Anbar Journal for Engineering Sciences.
Simarmata, J. (2010). Sistem Pendukung Keputusan (Pengenalan Teknologi Komputer dan Informasi). Yogyakarta: ANDI.
Simone Bova, P. C. (2010). A Logical Analysis of Mamdani-type Fuzzy Inference, I Theoretical Bases.
Sudjana. (2005). Metode Statistika. Bandung: Tarsito.
Supariasa, I. D. (2001). Penilaian Status Gizi. Jakarta: EGC.
Sugiyono. (2011). Metode Penelitian Pendidikan. Bandung: Alfabeta.
Toha, P. M. (2014). Sistem Pendukung Keputusan Menentukan Kecukupan Gizi Bayi Menggunakan Logika Fuzzy Sugeno.
Universitas Pendidikan Indonesia. (2015). Pedoman Penulisan Karya Ilmiah. Bandung: UPI Press.
Wirsam, B., Hanhn, A., Uthus, E., & Leitzmann, C. (1997). Fuzzy Sets And Fuzzy Decision Making In Nutrition. European Journal of Clinical Nutrition.
Yamane, T. (1967). Elementary Sampling Theory. United States of America: Prentice-Hall,Inc.
Zimmermann, H. (2010). Fuzzy Set Theory.
