METODE ANFIS DAN ALGORITMA GENETIKA UNTUK DETEKSI DINI PENYIMPANGAN TUMBUH KEMBANG BALITA

ARIESTA DAMAYANTI, Prof. Dra. Sri Hartati. M.Sc, Ph.D.

2015 | Tesis | S2 Ilmu Komputer

Deteksi dini tumbuh kembang balita merupakan upaya penjaringan dan penyaringan yang dilakukan untuk menemukan secara dini adanya penyimpangan tumbuh kembang pada balita. Semakin dini ditemukan penyimpangan maka semakin mudah dilakukan intervensi untuk perbaikan, sebaliknya bila penyimpangan terlambat diketahui maka intervensi untuk perbaikannya lebih sulit dilakukan. Keuntungan lain dari deteksi dini adalah agar petugas kesehatan mempunyai waktu dalam menyusun rencana serta melakukan tindakan atau intervensi yang tepat. Adaptive Neuro Fuzzy Inference System (ANFIS) adalah metode yang menggabungkan mekanisme fuzzy inference system dengan jaringan syaraf. Penelitian ini memanfaatkan ANFIS dan algoritma genetika sebagai algoritma pelatihan yang memiliki tujuan utama melakukan deteksi dini penyimpangan tumbuh kembang balita. Deteksi dini penyimpangan tumbuh kembang balita dengan metode ANFIS dan algoritma genetika ini menggunakan 6 (enam) parameter masukan yang berupa tumbuh kembang balita. Enam parameter tersebut adalah : usia, berat badan, tinggi badan, lingkar kepala, nilai motorik kasar dan nilai motorik halus. Sistem inferensi samar yang digunakan adalah Takagi Sugeno Kang (TSK) orde 1, dengan metode pelatihan menggabungkan Least Squares Estimator (LSE) pada tahap maju dan algoritma genetika pada tahap mundur. Hasil deteksi yang diperoleh pada penelitian ini menghasilkan error training terkecil sebesar 0,002899. Untuk pengujian sistem ditemukan bahwa karakteristik data pada proses pelatihan mempengaruhi akurasi deteksi yang dihasilkan oleh sistem. Kata kunci : algoritma genetika, ANFIS, deteksi, penyimpangan, perkembangan, pertumbuhan

Early detection of toddler’s growth and development is an effort of collecting and filtering efforts to detect as early as possible the deviation of the growth and development of the toddler. The earlier the deviation is detected, the easier it is to carry out an intervention for rectification; conversely, if the deviation is too late to be detected, the intervention for rectification will be more difficult. Another advantage of the early detection is to allow medical workers to have sufficient time to plan and conduct an appropriate action or intervention. Adaptive Neuro Fuzzy Inference System (ANFIS) is a method that combines the mechanism of fuzzy inference systems with neural networks. This research used ANFIS and genetic algorithm as a training algorithm with the main purpose to make early detection of the deviation of the growth and development of the toddler. This early detection of toddler’s growth and development deviation using ANFIS method and genetic algorithm used 6 (six) parameters of input connected with the growth and development of the toddler. Six parameters are : the age, weight, height, head circumference, the gross motor value and the fine motor value. The assumed inference system used is the orde 1 Takagi Sugeno Kang (TSK), with a training method that combines Least Squares Estimator (LSE) on the onward state and genetic algorithm on backwards state. The result of the detection obtained in this research has generated the smallest training error of 0.002899. For the test of the system, it has been found that the characteristics of the data in the training process has affected the accuracy of the detection generated by the system. Keyword : ANFIS, detection, development, deviation, genetic algorithm, growth

Kata Kunci : algoritma genetika, ANFIS, deteksi, penyimpangan, perkembangan, pertumbuhan; ANFIS, detection, development, deviation, genetic algorithm, growth