PENERAPAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK KLASIFIKASI STATUS GIZI ANAK

ELVIA BUDIANITA, Drs. Widodo Prijodiprojo ,M.Sc.,EE

2013 | Tesis | S2 Ilmu Komputer

Salah satu alat ukur status gizi yang telah dilakukan dalam berbagai kegiatan dan program gizi adalah antropometri. Penentuan klasifikasi status gizi anak sekolah dasar yang sering dilakukan adalah berdasarkan indeks berat badan menurut tinggi badan (BB/TB) dengan menggunakan daftar tabel z-skor atau simpangan baku / standar deviasi (SD) WHO NCHS (National Centre for Health Statistic). Pada penelitian ini variabel yang digunakan dalam penilaian status gizi anak adalah jenis kelamin, berat badan, tinggi badan, penyakit infeksi, nafsu makan, dan pekerjaan kepala keluarga (KK). Data yang digunakan adalah rekapitulasi hasil penjaringan kesehatan peserta didik tahun 2012 pada siswa kelas 1 Sekolah Dasar Batupanjang Kecamatan Rupat Kabupaten Bengkalis Provinsi Riau. Metode jaringan syaraf tiruan yang diterapkan untuk klasifikasi adalah Learning Vektor Quantization (LVQ) dan salah satu algoritma pengembangannya yaitu LVQ3. Metode LVQ merupakan suatu metode klasifikasi pola yang masing-masing unit output mewakili kategori atau kelas tertentu. Pemrosesan yang terjadi pada setiap neuron adalah mencari jarak terdekat antara suatu vektor masukan ke bobot yang bersangkutan. Berdasarkan dari hasil penelitian dan pembahasan yang dilakukan, algoritma LVQ3 lebih baik diterapkan untuk klasifikasi status gizi anak dibandingkan dengan algoritma LVQ1. Nilai parameter learning rate (α) = 0.05, nilai minimal learning rate (Mina) = 0.02, nilai pengurangan α = 0,1 dan nilai window (ε) = 0.2 yang digunakan pada LVQ3, merupakan nilai parameter yang sudah cukup efektif dan efisien dalam melakukan klasifikasi status gizi anak sekolah dasar karena telah sesuai dengan target yang ingin dicapai secara menyeluruh (100%). Penggunaan parameter window (ε) pada jaringan syaraf tiruan LVQ3 memberikan pengaruh positif yakni dapat meningkatkan performa dalam klasifikasi jika dibandingkan tanpa menggunakan window (LVQ1).

One of the indicators of nutritional status that has been tested in a variety of nutrition program and activities is anthropometry. The classification of children nutrient status that commonly used is based on body weight for age index by using zscore table list or deviation standard WHO NCHS (National Centre for Health Statistic). In this study, variable that used in this appraisal are genre, weight, high, infection disease, appetite, and father’s work. The data that used is health recapitulation of student in Sekolah Dasar Batupanjang, Rupat Subdistrict, Bengkalis Regency, Riau Province in 2012. Neural network method that used in this classification are Learning Vector Quantization (LVQ) and one of it develop algorithm, it is LVQ3. LVQ method is a pattern classification that each output unit represents a category or class. The process that happen in each neuron is calculate the nearest distance between a input vector to relevant integrity. Based on result of the study and discussion, LVQ3 algorithm is better applied for children nutrient status classification than LVQ1. Parameter value of learning rate (α) = 0.05, value of minimal learning rate (Mina) = 0.02, value of subtracter α = 0.1, and value of window (ε) = 0.2 that use in LVQ3, is a good parameter score that effective and efficient in appraising classification of nutrient status for elementary student because it has appropriate with all of target (100%). Using of window parameter (ε) in LVQ3 neural network effect positive impact, that is can increase the perform in classification than without using window (LVQ1).

Kata Kunci : Antropometri, Jaringan syaraf tiruan, Learning Vektor Quantization, Z-skor.