Widodo, Anang Aris (2019) Sistem Pendukung Keputusan Menggunakan Fuzzy Analytical Hierarchy Process ( FAHP ) Sebagai Sistem Pakar Untuk Menentukan Status Gizi Balita. Magister thesis, Universitas Brawijaya.
Abstract
Kesehatan adalah masalah yang mendapat fokus utama dari pemerintah. Teknologi informasi selayaknya dimanfaatkan untuk meningkatkan kualitas hidup serta mempermudah aktifitas keseharian manusia dalam segala bidang, khususnya yang berhubungan dengan kebutuhan dasar manusia. Salah satu bidang yang menjadi kebutuhan dasar adalah kesehatan, baik yang terkait dengan pencegahan atau pengobatan. Di antara aktivitas pencegahan terhadap gangguan kesehatan adalah monitoring terhadap status dan asupan gizi serta monitoring terhadap gejala-gejala fisik pada tubuh manusia. Status gizi adalah keadaan tubuh sebagai akibat konsumsi makanan dan penggunaan zat – zat gizi. Status gizi digunakan untuk mengetahui kesehatan anak. Secara umum status gizi lebih dapat dibagi menjadi lima kategori yaitu: status gizi lebih, status gizi baik, status gizi sedang, status gizi kurang, status gizi buruk. Penilain status gizi dapat dilakukan dengan berbagai cara seperti antropometri, klinis, biokimia, dan biofisik. Di Indonesia cara yang paling umum dan sering digunakan adalah penilain secara antropometri, karena lebih praktis dan mudah dilakukan. Namun rata rata ahli gizi melakukan cara tersebut masih menggunakan proses manual dalam pengolahan datanya. Sehingga masih ditemukan kesalahan karena faktor human error. Permasalahannya yaitu bagaimana cara melakukan pengukuran gizi secara tepat dan akurat. Serta bagaimana proses pengolahan data secara baik dan benar melalui sistem pendukung keputusan. Dinas Kesehatan yang fokusnya dibidang ahli gizi melakukan penilaian tentang status gizi balita didapati beberapa faktor di antaranya berat badan menurut umur, tinggi badan menurut umur, berat badan menurut tinggi badan. Kriteria yang berbeda beda yang digunakan pengguna di Dinas Kesehatan dalam melakukan penilaian status gizi balita adalah masalah yang harus diselesaikan. Karena adanya kriteria yang berbeda yang di gunakan pengguna di Dinas Kesehatan menyebabkan dalam proses pengolahan data dan ketepatan hasil yang kurang maksimal. Pada proses pengujian menggunakan dua jenis data yaitu data parameter dan data uji. Data parameter digunakan untuk memebentuk pola atau paramater dari sistem ini. Sedangkan data uji digunakan untuk menguji data gizi balita berdasarkan data parameter yang sudah ada. Untuk data yang digunakan pada data parameter menggunakan data gizi balita tahun 2015, sedangkan data uji menggunakan data gizi balita tahun 2015. Hasil pengujian perbandingan data pola dan uji pada metode AHP dan FAHP menghasilkan nilai precision, recall, f-measure dan accuracy yang berbeda-beda. Untuk percobaan data ke-1 metode AHP menghasilkan nilai precision 44,80%, recall 41,10%, f-measure 42,80% dan accuracy 13,30%. Sedangkan hasil dari metode FAHP yaitu nilai precision 55,10%, recall 50,50%, f-measure 52,60% dan accuracy 50,50%. Kemudian percobaan dengan menggunakan data ke-2 hasilnya sebagai berikut : berdasarkan metode AHP nilai precision 52,40%, recall 46,08%, f-measure 49,03% dan accuracy 48,10%. Sedangkan berdasarkan metode FAHP nilai precision 47,50%, recall 43,60%, f-measure 45,40% dan accuracy 43,60%.
English Abstract
Health is a problem that gets the main focus of the government. Information technology should be used to improve the quality of life and facilitate daily human activities in all fields, especially those related to basic human needs. One area that is a basic need is health, whether related to prevention or treatment. Among the activities to prevent health disorders are monitoring the status and nutritional intake and monitoring physical symptoms in the human body. Nutritional status is the state of the body as a result of food consumption and use of nutrients. Nutritional status is used to determine children's health. In general, more nutritional status can be divided into five categories, namely: excess nutritional status, good nutritional status, moderate nutritional status, poor nutritional status, poor nutritional status. Assessment of nutritional status can be done in various ways such as anthropometry, clinical, biochemical, and biophysical. In Indonesia the most common and frequently used method is anthropometric assessment, because it is more practical and easier to do. But the average nutritionist doing this method is still using a manual process in processing data. So that errors are still found due to human error. The problem is how to do nutritional measurements accurately and accurately. And how to process data properly and correctly through a decision support system. The Department of Health, whose focus is in the field of nutritionists, conducted an assessment of the nutritional status of children under five found several factors including weight by age, height by age, weight by height. Different criteria that are used by users in the Department of Health in assessing the nutritional status of children under five is a problem that must be resolved. Because of the different criteria used by users in the Department of Health causes in the data processing and the accuracy of the results is less than the maximum. In the testing process using two types of data, namely parameter data and test data. Parameter data is used to form patterns or parameters of this system. While the test data is used to test nutritional data for children under five based on existing parameter data. For the data used in parameter data using toddler nutrition data in 2015, while the test data using toddler nutrition data in 2015 The results of the comparative test data of patterns and tests on the AHP and FAHP methods produce different values of precision, recall, f-measure and accuracy. For the 1st data trial the AHP method produces a precision value of 44.80%, recall 41.10%, f-measure 42.80% and an accuracy of 13.30%. While the results of the FAHP method are the value of precision 55.10%, recall 50.50%, f-measure 52.60% and accuracy 50.50%. Then the experiment using the second data results as follows: based on the AHP method the value of precision is 52.40%, recall 46.08%, f-measure 49.03% and accuracy 48.10%. While based on the FAHP method the value of precision is 47.50%, recall 43.60%, f-measure 45.40% and accuracy 43.60%.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/658.403 3/WID/s/2019/041906684 |
| Uncontrolled Keywords: | DECISION SUPPORT SYSTEMS--MATHEMATICAL MODELS, DECISION MAKING--DATA PROCESSING, DECISION MAKING--COMPUTER PROGRAMS |
| Subjects: | 600 Technology (Applied sciences) > 658 General management > 658.4 Executive management > 658.403 Decision making and information management > 658.403 3 Mathematical techniques of decision making |
| Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 23 Dec 2019 03:58 |
| Last Modified: | 21 Oct 2021 06:57 |
| URI: | http://repository.ub.ac.id/id/eprint/177301 |
Preview |
Text
Anang Aris Widodo (2).pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |