Irbakanisa, Nabila Lubna (2019) Klasifikasi Status Gizi Pada Balita Menggunakan Metode Extreme Learning Machine Dan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Permasalahan gizi merupakan salah satu masalah yang serius. Karena gizi tidak hanya menyangkut tentang kelangsungan hidup, melainkan berkaitan juga dengan kualitas hidup seseorang. Dalam kasus ini, pemeriksaan status gizi yang dilakukan oleh tenaga medis umumnya dilakukan dengan pengarsipan, yaitu dengan melakukan pencatatan secara manual dan kemudian dianalisis dengan membandingkan data pasien dengan standar baku status gizi. Namun, dengan melakukan analisis secara manual tersebut membuat rentannya ketidaktelitian dalam pengidentifikasian status gizi, serta memakan waktu lebih lama dikarenakan kurang praktis. Berdasarkan masalah tersebut, penulis menerapkan metode Extreme Learning Machine (ELM) dan Algoritme Genetika untuk mengklasifikasikan status gizi pada balita secara cepat dan akurat. Pada penelitian ini, Algoritme Genetika berperan untuk mencari bobot awal terbaik, yang selanjutnya akan digunakan untuk penentuan nilai status gizi menggunakan ELM. Setelah dilakukan pengujian, diperoleh rata-rata akurasi oleh metode ELM – Algoritme Genetika sebesar 72.3529% dengan parameter popsize bernilai 100, iterasi sebanyak 34, nilai cr sebesar 0.6, nilai mr sebesar 0.4, dan hidden neuron sebanyak 2. Sedangkan akurasi yang didapatkan dari algoritme ELM biasa adalah 67.6471%. Dari hasil akurasi yang didapatkan menunjukkan bahwa penggabungan Algoritme Genetika pada ELM mampu meningkatkan akurasi.
English Abstract
Nutritional problem is one of serious problems. Because nutrition does not only concern in survival, but also relates to the quality of someone's life. In this case, the examination of child nutrient by medical personnel is generally done by archiving, namely by recording manually, and then analyzed by comparing patient's data with the standard of nutritional status. But by doing the analysis manually, it makes the vulnerability of inaccuracy in identifying nutritional status, and takes longer time because it is less practical. Based on these problems, the authors apply the Extreme Learning Machine (ELM) method and Genetic Algorithm to classify nutritional status in toddlers quickly and accurately. In this research, Genetic Algorithms used for finding the best input weight, which will then be used to determine the value of nutritional status using ELM. After testing, obtained an average accuracy of ELM – Genetic Algorithm is 72.3529% with the number of popsize is 100, 34 iterations, crossover rate 0.6, mutation rate 0.4, and 2 hidden neuron. While the accuracy obtained from the ELM is 67.6471%. The result shows that the addition if Genetic Algorithm on ELM can improve the accuracy
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/45/051902215 |
| Uncontrolled Keywords: | Status Gizi, Extreme Learning Machine, Jaringan Syaraf Tiruan, Algoritme Genetika, Nutritional Status, Extreme Learning Machine, Artificial Neural Network, Genetic Algorithm |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 20 Jul 2020 03:52 |
| Last Modified: | 24 Oct 2021 03:00 |
| URI: | http://repository.ub.ac.id/id/eprint/169436 |
Preview |
Text
Nabila Lubna Irbakanisa (2).pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |