ANALISIS DAN PERANCANGAN SISTEM PAKAR PENENTUAN
STATUS GIZI PADA ANAK UMUR NOL HINGGA LIMA
TAHUN BERDASARKAN INDEKS MASSA TUBUH
MENGGUNAKAN METODE FUZZYMAMDANI
SKRIPSI
FANZI PRAYUGO
061401082
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
ANALISIS DAN PERANCANGAN SISTEM PAKAR PENENTUAN
STATUS GIZI PADA ANAK UMUR NOL HINGGA LIMA
TAHUN BERDASARKAN INDEKS MASSA TUBUH
MENGGUNAKAN METODE FUZZYMAMDANI
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Komputer
FANZI PRAYUGO
0 6 1 4 0 1 0 8 2
PROGRAM STUDI S1ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : ANALISIS DAN PERANCANGAN SISTEM
PAKAR
PENENTUAN STATUS GIZI PADA ANAK UMUR NOL HINGGA LIMA TAHUN BERDASARKAN INDEKS MASSA TUBUH MENGGUNAKAN METODE FUZZY MAMDANI
Kategori : SKRIPSI
Nama : FANZI PRAYUGO
Nomor Induk Mahasiswa : 061401082
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
(Fasilkom-TI) UNIVERSITAS SUMATERA
UTARA
Diluluskan di Medan, 28 Agustus 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Poltak Sihombing, M.Kom Drs. Agus Salim Harahap, M.Si NIP. 199203171991021001 NIP. 195408281981031004
Diketahui/Disetujui oleh
Departemen Ilmu Komputer Fasilkom-TI USU Ketua,
PERNYATAAN
ANALISIS DAN PERANCANGAN SISTEM PAKAR PENENTUAN STATUS GIZI PADA ANAK UMUR NOL HINGGA LIMA
TAHUN BERDASARKAN INDEKS MASSA TUBUH MENGGUNAKAN METODE FUZZY MAMDANI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 28 Agustus 2014
PENGHARGAAN
Segala puji dan syukur kepada Allah SWT yang senantiasa melimpahkan rahmat dan karunia-Nya kepada penulis sehingga skripsi ini dapat selesai dalam waktu yang telah ditetapkan.
Skripsi ini merupakan salah satu syarat wajib diselesaikan guna meraih gelar sarjana komputer padajurusan S1 Ilmu Komputer Universitas Sumatera Utara. Adapun judul yang diangkat penulis adalah “analisis dan perancangan sistem pakar pada perangkat mobile untuk mendiagnosa penyakit paru dan saluran pernapasan”. Terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Ketua Jurusan S1 Ilmu Komputer Bapak Dr. Poltak Sihombing, M.Kom dan Drs. Agus Salim Harahap, M.Si selaku pembimbing yang telah membimbing dan memberikan panduan dan penuh kepercayaan kepada penulis untuk menyelesaikan skripsi ini.
2. Dosen penguji Bapak Ade Candra ST., M.Kom dan Drs. Marihat Situmorang, M.Kom yang telah memberikan panduan ringkas, padat dan profesional kepada penulis guna penyempurnaan skripsi ini.
3. Sekertaris Jurusan S1 Ilmu Komputer, Ibu Maya Silvi Lydia, B.Sc, M.Sc., Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi beserta para pegawai/staff S1 Ilmu Komputer.
4. Keluarga tercinta, kepada ayahanda dan ibunda, Soetrisno Soera dan Alm. Murniaty tercinta serta adik dan kakak yang tidak henti-hentinya mendukung dan mendoakan penulis serta memberikan motivasi dan dukungan baik secara moril dan materil.
Penulis menyadari bahwa dalam penyelesaian skripsi ini masih jauh dari sempurna. Untuk itu, penulis sangat mengharapkan kritik dan saran guna penyempurnaan dimasa mendatang.
Akhirnya penulis berharap, semoga skripsi ini dapat bermanfaat bagi pribadi penulis, keluarga, masyarakat, organisasi dan negara.
Medan, 28 Agustus 2014 Penulis
ABSTRAK
Sistem pakar adalah sistem berbasis komputer yang mampu meniru kemampuan seorang pakar dalam menyelesaikan suatu permasalahan tertentu untuk mendapatkan solusi yang tepat. Kemampuan penalaran suatu sistem pakar ditentukan oleh suatu mesin inferensi. Banyak kasus yang bisa dijadikan penelitian dalam sistem pakar salah satunya penentuan status gizi dan kalori pada anak. Pada penelitian ini, akan dirancang sebuah sistem pakar penilaian status gizi dan kalori seorang anak menggunakan metode fuzzy mamdani. Sistem ini dapat memberitahukan status gizi dan kalori harian yang dibutuhkannya seorang anak berdasarkan data yang dimasukkan ke dalam sistem tanpa harus berkonsultasi langsung kepada seorang dokter spesialis. Sistem ini juga akan memberikan informasi mengenai artikel kesehatan yang dapat memberitahukan lebih lanjut mengenai status gizi dan kalori harian pada anak sehingga orang tua lebih mudah menentukan pola hidup yang sehat dan gizi yang seimbang dari asupan makanan dan minuman. Pengujian pada sistem dilakukan dengan mencocokkan nilai gizi referensi dengan nilai gizi hasil proses perhitungan dengan metode fuzzy mamdani.
ANALYSIS AND DESIGN OF EXPERT SYSTEMS TO DETERMINE NUTRITION STATUS IN ZERO TO FIVE YEARS OLD CHILDREN
BASED ON BODY MASS INDEX USING FUZZY MAMDANI METHOD
ABSTRACT
Expert system is a computer-based systems capable of imitating the ability of an expert in solving a problems to get the right solution. Capability of reasoning an expert system determined by a machine inference. Many of the cases which could be researched in expert system one of them is the determination of nutrition status and calories in a child. In this research, would be designed an expert system to assessment nutrition status and calories a child using fuzzy mamdani method. The system can notify the nutrition status and daily calorie required of a child based on the data entered into the system without having to consult directly to a specialist. This system will also give information on the health article who can show more about nutrition status and calories daily on child so that parents can be easier determine pattern of healthy life and balanced of nutritional intake from food and beverages. Testing on a system performed by matching nutritional value a reference with nutritional value the results of the process of calculation with the fuzzy mamdani methods.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak vi
Abstract vii
Daftar Isi viii
Daftar Tabel x
Daftar Gambar xi
Bab 1 Pendahuluan
1.1 Latar Belakang 1
1.2 Rumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Tinjauan Pustaka
2.1 Kecerdasan Buatan 6
2.2 Sistem Pakar 7
2.3 Struktur Sistem Pakar 8
2.4 Pengertian Gizi 10
2.4.1 Status Gizi 10
2.4.2 Penilaian Status Gizi 11
2.4.3 Indeks Antropometri 12
2.5 Logika Fuzzy 14
2.5.1 Konsep Himpunan Fuzzy 14
2.5.2 Fungsi Keanggotaan 17
2.5.3 Operasi Himpunan Fuzzy 21
2.5.4 Fungsi Implikasi 22
2.6 Sistem Inferensi Fuzzy Mamdani 23
2.7 Bahasa Pemograman Sistem 26
2.7.1 Pengenalan Visual Basic .Net 26
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Sistem 28
3.1.1 Analisis Sistem Manual 28
3.2.2 Analisis Permasalahan 29
3.2 Analisis Persyaratan 30
3.2.1 Functional pada sistem 31
3.2.2 Non-Functional pada sistem 31
3.3 Metode Fuzzy Mamdani 32
3.4 Pemodelan 39
3.3.1 Diagram Konteks/DFD Level 0 39
3.3.2 DFD Level 1 40
3.3.3 DFD Level 2 42
3.5 Flowchart 43
3.6 Perancangan Antarmuka (Interface) 46
3.6.1 Perancangan Sistem 46
3.6.2 Perancangan Aplikasi 47
Bab 4 Implementasi dan Pengujian
4.1 Implementasi Sistem 50
4.1.1 Implementasi Fuzzy Mamdani 50
4.2.1 Implementasi Perhitungan Kalori 55
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 57
5.2 Saran 57
Daftar Pustaka 58
DAFTAR TABEL
Halaman
2.1 Kategori dan Ambang Batas Status Gizi Anak Berdasarkan Indeks 11
3.1 Non-Fuctional Requirement pada Sistem 31
3.2 Semesta pembicaraan untuk setiap variabel fuzzy 32
3.3 Tabel Himpunan Fuzzy 33
3.4 Spesifikasi Diagram Konteks / DFD Level 0 40
3.5 Spesifikasi Diagram / DFD Level 1 41
DAFTAR GAMBAR
Halaman
2.1 Arsitektur Kecerdasan Buatan 7
2.2 Konsep dasar suatu sistem pakar 8
2.3 Arsitektur Sistem Pakar 10
2.4 Representasi himpunan fuzzy bilangan asli sekitar 5 15
2.5 Himpunan Fuzzy Kepandaian Mahasiswa Berdasarkan IPK 16
2.6 Representasi Linear Naik 18
2.7Representasi Linear Turun 18
2.8Representasi Kurva Segitiga 19
2.9Representasi Kurva Trapesium 20
2.10Daerah bahu pada variabel TEMPERATUR 21
2.11Tahapan sistem berbasis aturan fuzzy 22
3.1Diagram Ishikawa menentukan status gizi dan kalori harian pada anak 30
3.2Himpunan Fuzzy Berat Badan 34
3.3Himpunan Fuzzy Tinggi Badan 35
3.4Himpunan Fuzzy Nilai Gizi 36
3.5Diagram Konteks / DFD Level 0 39
3.6Diagram / DFD Level 1 41
3.7DFD Level 2 Proses Analisis Diagnosa Sistem 42
3.8DFD Level 2 Proses Update Informasi Pasien Status Gizi 43 3.9DFD Level 2 Proses Update Informasi Pasien Status Kalori 43 3.10DFD Level 2 Proses Update Informasi Artikel Gizi 43 3.11DFD Level 2 Proses Update Informasi Pasien 43
3.12Diagram alir/Flowchart sistem user 44
3.13Diagram alir/FlowchartAdministrator sistem 45
3.14Halaman Utama Sistem Pakar 47
3.15Halaman Menu Check Nutrition 48
3.16Halaman Menu Check Calories 48
3.17Halaman Information 49
3.18Tampilan Hasil Konsultasi Penyakit pada sistem 49
4.1Tampilan Menu Nutrisi pada sistem 54
4.2Tampilan Hasil Status Gizi pada Sistem 54
4.3Tampilan Menu Kalori pada sistem 56
ABSTRAK
Sistem pakar adalah sistem berbasis komputer yang mampu meniru kemampuan seorang pakar dalam menyelesaikan suatu permasalahan tertentu untuk mendapatkan solusi yang tepat. Kemampuan penalaran suatu sistem pakar ditentukan oleh suatu mesin inferensi. Banyak kasus yang bisa dijadikan penelitian dalam sistem pakar salah satunya penentuan status gizi dan kalori pada anak. Pada penelitian ini, akan dirancang sebuah sistem pakar penilaian status gizi dan kalori seorang anak menggunakan metode fuzzy mamdani. Sistem ini dapat memberitahukan status gizi dan kalori harian yang dibutuhkannya seorang anak berdasarkan data yang dimasukkan ke dalam sistem tanpa harus berkonsultasi langsung kepada seorang dokter spesialis. Sistem ini juga akan memberikan informasi mengenai artikel kesehatan yang dapat memberitahukan lebih lanjut mengenai status gizi dan kalori harian pada anak sehingga orang tua lebih mudah menentukan pola hidup yang sehat dan gizi yang seimbang dari asupan makanan dan minuman. Pengujian pada sistem dilakukan dengan mencocokkan nilai gizi referensi dengan nilai gizi hasil proses perhitungan dengan metode fuzzy mamdani.
ANALYSIS AND DESIGN OF EXPERT SYSTEMS TO DETERMINE NUTRITION STATUS IN ZERO TO FIVE YEARS OLD CHILDREN
BASED ON BODY MASS INDEX USING FUZZY MAMDANI METHOD
ABSTRACT
Expert system is a computer-based systems capable of imitating the ability of an expert in solving a problems to get the right solution. Capability of reasoning an expert system determined by a machine inference. Many of the cases which could be researched in expert system one of them is the determination of nutrition status and calories in a child. In this research, would be designed an expert system to assessment nutrition status and calories a child using fuzzy mamdani method. The system can notify the nutrition status and daily calorie required of a child based on the data entered into the system without having to consult directly to a specialist. This system will also give information on the health article who can show more about nutrition status and calories daily on child so that parents can be easier determine pattern of healthy life and balanced of nutritional intake from food and beverages. Testing on a system performed by matching nutritional value a reference with nutritional value the results of the process of calculation with the fuzzy mamdani methods.
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Berdasarkan ideologi bangsa Pancasila dan UUD 1945 maka setiap rakyat indonesia
sangat mengidamkan negara yang sejahtera. Hal ini dikarenakan, negara yang
sejahtera telah dapat memenuhi kebutuhan dan hak-hak rakyat termasuk kesehatan.
Pembangunan Sumber Daya Manusia (SDM) merupakan salah satu aspek terpenting
dalam pembangunan suatu negara sejahtera. Untuk dapat mewujudkan hal tersebut,
kualitas sumber daya manusia harus tinggi, dimana kesehatan dan gizi merupakan
indikator utamanya.
Status Gizi adalah keadaan tubuh sebagai akibat konsumsi makanan dan penggunaan
zat-zat gizi [1]. Konsumsi makanan yang mengandung energi dan protein yang tidak
sesuai dengan kebutuhan tubuh akan menyebabkan balita mengalami malnutrisi atau
gizi salah. Malnutrisi yang terjadi dalam waktu yang lama akan menyebabkan balita
mengalami gangguan terhadap pertumbuhan fisik dan mental.
Masalah kekurangan dan kelebihan gizi pada seorang anak merupakan masalah
penting, karena dapat menyebabkan resiko penyakit-penyakit tertentu. Oleh karena
itu, pemantauan keadaan tersebut perlu dilakukan secara berkesinambungan. Salah
satu cara adalah dengan mempertahankan berat badan yang ideal atau normal.
Indeks Massa Tubuh (IMT) merupakan alat yang sederhana untuk memantau status
gizi, khususnya yang berkaitan dengan kekurangan dan kelebihan berat badan.
Prediktor yang digunakan dalam penentuan status gizi menggunakan parameter IMT
adalah berat badan dan tinggi badan. Status gizi merupakan deskripsi keseimbangan
antara asupan zat gizi dengan kebutuhan tubuh secara individual. Cukup konsumsi
Dalam penentuan status gizi dengan parameter IMT menggunakan logika fuzzy,
variabel input dibagi menjadi tiga yaitu variabel umur, berat dan panjang/tinggi badan.
Serta satu variabel output, yaitu variabel nilai gizi dan kalori harian yang dibutuhkan
oleh tubuh. Variabel nilai gizi ini dibentuk berdasarkan klasifikasi IMT. Variabel
umur diklasifikasi mulai dari nol hingga lima tahun. Variabel berat badan dibagi
menjadi empat kategori, yaitu sangat kurus, kurus, normal, dan berat. Begitu juga
dalam variabel tinggi badan dibagi menjadi empat kategori, yaitu sangat pendek,
pendek, normal, dan tinggi. Sedangkan variabel nilai gizi dibedakan menjadi empat
kategori juga yaitu: gizi buruk, gizi kurang, gizi normal, dan gizi lebih.
Secara teori sudah ada cara untuk menghitung nilai gizi dan menentukan status gizi
berdasarkan IMT, namun perhitungan dan penentuan status gizi tersebut
menggunakan himpunan crisp (tegas). Pada himpunan tegas, suatu nilai mempunyai
tingkat keanggotaan satu jika nilai tersebut merupakan anggota dalam himpunan dan
nol jika nilai tersebut tidak menjadi anggota himpunan. Hal ini sangat kaku, karena
dengan adanya perubahan yang kecil saja terhadap nilai mengakibatkan perbedaan
kategori. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut, karena dapat
memberikan toleransi terhadap nilai sehingga dengan adanya perubahan sedikit pada
nilai tidak akan memberikan perbedaan yang signifikan.
Sistem inferensi fuzzy Metode Mamdani merupaka metode yang mencari nilai
minimum dari setiap aturan dan nilai maksimum dari gabungan konsekuensi setiap
aturan tersebut. Metode ini diperkenalkan oleh Ebrahim H.Mamdani pada tahun 1975.
Metode Mamdani cocok digunakan apabila input diterima dari manusia bukan mesin. Oleh karena itu, penulis tertarik untuk mengambil judul “Analisis dan Perancangan Sistem Pakar Penentuan Status Gizi Pada Anak Umur Nol hingga Lima Tahun
Dengan Indeks Massa Tubuh Dengan Menggunakan Metode Fuzzy”.
1.2. Rumusan Masalah
Berdasarkan uraian pada latar belakang masalah, maka rumusan masalah dalam tugas
akhir ini adalah bagaimana merancang sistem pakar menentukan status gizi dan
asupan kalori pada anak umur nol hingga lima tahun berdasarkan IMT menggunakan
1.3. Batasan Masalah
Batasan-batasan masalah yang digunakan dalam tugas akhir ini, adalah:
a. Pembangunan sistem pakar ini menggunakan algoritma fuzzy metode
Mamdani.
b. Sistem pakar yang dibangun bersifat dinamis yang berarti aturan yang muncul
dapat berubah / ditambahkan sesuai dengan perkembangan atau informasi
terbaru.
c. Aplikasi yang akan dibangun dengan menggunakan bahasa pemrograman
Visual Basic.Net
d. Penyimpanan data penunjang menggunakan DBMS MySQL.
1.4. Tujuan Penelitian
Tugas akhir ini bertujuan untuk membangun sebuah sistem berbasis pengetahuan
kedokteran untuk mengetahui status gizi pada seorang anak yang dapat ditampilkan
dalam website, sehingga alasan efisiensi waktu, biaya dan kurangnya pengetahuan
masyarakat akan gizi dan kalori yang dibutuhkan oleh seorang anak dapat teratasi.
1.5. Manfaat Penelitian
Sehubungan dengan telah dirumuskannya masalah penelitian, maka diharapkan
aplikasi ini dapat memberikan manfaat, diantaranya:
a. Mempermudah paramedis untuk mengetahui statuz gizi pada seorang anak
sehingga diagnosa menjadi lebih cepat dan efisien serta mengurangi tingkat
kesalahan.
b. Membantu masyarakat umum dalam mengetahui status gizi pada anak.
1.6. Metodologi Penelitian
Metode penelitian yang digunakan pada tugas akhir ini, adalah :
a. Studi Literatur
Studi ini dilakukan dengan cara mempelajari, meneliti dan menelaah berbagai
literatur-literatur dari perpustakaan yang bersumber dari buku-buku, teks, jurnal
ilmiah, situs-situs di internet, dan bacaan-bacaan yang ada kaitannya dengan
b. Analisis Sistem
Penulis melakukan analisis untuk mengetahui kebutuhan-kebutuhan yang
diperlukan dalam membangun sebuah sistem dan apakah sistem yang dirancang
dapat diimplementasikan.
c. Perancangan
Penulis membuat perancangan aplikasi, perancangan tersebut terdiri dari empat
tahapan. Tahap perancangan tersebut adalah perancangan menggunakan diagram
pohon, perancangan menggunakan data flow diagram (DFD) atau diagram aliran
data (DAD), flowchart atau diagram alir program dan perancangan tampilan
antarmuka (interface) system.
d. Pengkodean
Penulis mengimplementasikan hasil rancangan aplikasi ke dalam pemograman
visual basic.net sebagai aplikasi dalam menampilkan sistem pakar tersebut.
e. Pengujian
Penulis melakukan pengujian dan mengevaluasi aplikasi system pakar yang
dihasilkan, serta melakukan perbaikan sistem. Selain itu juga melakukan
pengujian terhadap sistem, apakah kepakarannya sudah sesuai dengan yang
diharapkan.
f. Kesimpulan dan Saran
Penulis mengambil kesimpulan dari tugas akhir yang telah dikerjakannya dan juga
memberikan saran agar kedepannya kekurangan yang terdapat pada tugas akhir
penulis tidak terjadi lagi serta tugas akhir yang telah dikerjakan oleh penulis dapat
dikembangkan lagi oleh penulis atau peneliti yang lain.
g. Penyusunan Laporan
Pada tahap ini dilakukan penyusunan laporan hasil perancangan sistem ke
1.7. Sistematika Penulisan
Agar penulisan menjadi lebih terstruktur, maka penulisan ini dibagi menjadi lima bab,
antara lain sebagai berikut:
BAB 1 : Pendahuluan
Pada bab ini penulis menguraikan latar belakang, perumusan masalah,
batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian
dan sistematika penulisan.
BAB 2 : Tinjauan Pustaka
Pada bab ini penulis menguraikan tentang dasar - dasar teoritis kecerdasan
buatan dan sistem pakar untuk melandasi pemecahan masalah serta teori -
teori sehubungan dengan teknologi yang digunakan dalam pembuatan tugas
akhir ini serta metode yang digunakan dalam pembuatan sistem.
BAB 3 : Analisis Dan Perancangan
Pada bab ini penulis menguraikan tentang analisis masalah yang akan
dibangun pada sistem pakar ini, dan menganalisis apa saja kebutuhan sistem
yang akan dibangun kemudian tahapan selanjutnya adalah melakukan
perancangan sistem yakni dengan membuat Data Flow Diagram (DFD) atau
Diagram Aliran Data (DAD), Flowchart, basis data pengetahuan dan
merancang antarmuka sistem.
BAB 4 : Implementasi Dan Pengujian Aplikasi
Pada bab ini penulis menyajikan tentang implementasi sistem berdasarkan
tahapan perancangan dengan menggunakan bahasa pemograman Visual
Basic .Net dan MySQL sebagai database sistem serta tahapan pengujian
sistem untuk melihat apakah sistem sudah berjalan sesuai perancangan atau
tidak.
BAB 5 : Kesimpulan Dan Saran
Bab ini berisi mengenai kesimpulan yang diperoleh selama penulisan dan
BAB 2
TINJAUAN PUSTAKA
2.1. Kecerdasan Buatan
Kecerdasan buatan merupakan salah satu inovasi yang terdapat dalam bidang ilmu
pengetahuan. Kecerdasan buatan telah dimulai sejak komputer modern pertama kali
ditemukan, yaitu tahun 1940 dan 1950. Menurut Andri Kristanto, kecerdasan buatan
merupakan bagian dari ilmu pengetahuan komputer yang khusus ditujukan dalam
perancangan otomasi tingkah laku cerdas dalam sistem kecerdasan komputer [7].
Ada juga yang berpendapat bahwa kecerdasan buatan (Artificial Intelligence)
merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer)
dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia [9].
Kecerdasan buatan memungkinkan komputer untuk berpikir dengan cara
menyederhanakan program. Dengan cara ini, kecerdasan buatan dapat menirukan
proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai
acuan di masa-masa mendatang.
Kecerdasan atau kepandaian itu di dapat berdasarkan pengetahuan dan pengalaman,
untuk itu agar perangkat lunak yang dikembangkan dapat mempunyai kecerdasan
maka perangkat lunak tersebut harus diberi suatu pengetahuan dan kemampuan untuk
menalar dari pengetahuan yang telah di dapat dalam menemukan solusi atau
Menurut John Mc Carthy (1956), terdapat dua bagian penting sehingga sistem
komputer dapat belajar seperti layaknya manusia [11], yaitu:
a. Knowledge Base (Basis Pengetahuan)
Basis pengetahuan berisi data, fakta-fakta, teori, pemikiran & hubungan antara satu
dengan lainnya.
b. Inference Engine (Mesin Inferensi)
Mesin inferensi mempunyai kemampuan merangkaikan basis data untuk menarik
sebuah kesimpulan.
Berikut merupakan gambar arsitektur pada kecerdasan buatan berdasarkan penjelasan
diatas
Gambar 2.1. Arsitektur Kecerdasan Buatan
2.2. Sistem Pakar
Sistem pakar merupakan sistem berbasis komputer yang menggunakan pengetahuan,
fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat
dipecahkan oleh seorang pakar dalam bidang tersebut [8]. Sedangkan pendapat lain menyatakan bahwa sistem pakar adalah salah satu cabang dari Artificial Intelligence
(kecerdasan buatan) yang membuat penggunaan secara luas knowledge yang khusus
untuk penyelesaian masalah tingkat manusia yang pakar. Knowledge dalam sistem
pakar mungkin saja seorang ahli, atau knowledge yang umumnya terdapat dalam
buku, jurnal dan orang yang mempunyai pengetahuan tentang suatu bidang [2].
Sistem pakar juga dapat diartikan sebagai sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan
menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini,
orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu
informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para
Sama seperti kecerdasan buatan, sistem pakar juga memiliki 2 komponen utama yaitu
basis pengetahuan dan mesin inferensi. Basis pengetahuan merupakan tempat
penyimpanan pengetahuan dalam memori komputer, dimana pengetahuan ini diambil
dari pengetahuan pakar. Sedangkan mesin inferensi merupakan otak dari aplikasi
sistem pakar. Bagian inilah yang menuntun user untuk memasukkan fakta sehingga
diperoleh suatu kesimpulan. Apa yang dilakukan mesin inferensi ini didasarkan pada
pengetahuan yang ada dalam basis pengetahuan [3]. Berikut Gambar 2.2 yang
menggambarkan konsep dasar suatu sistem pakar :
Gambar 2.2. Konsep dasar suatu sistem pakar
2.3 Struktur Sistem Pakar
Sistem pakar terdiri dari dua bagian pokok, yaitu : lingkungan pengembangan
(development environment) dan lingkungan konsultasi (consultation environment) [2].
Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi
pembangun komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan
oleh seseorang yang bukan ahli untuk berkonsultasi.
Komponen-komponen yang ada pada sistem pakar adalah:
1. Subsistem penambahan pengetahuan (Akuisisi Pengetahuan).
Akusisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam
menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam
tahap ini, perekayasa pengetahuan (knowledge engineer) berusaha menyerap
pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan
diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan
2. Basis pengetahuan (Knowledge Base)
Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami formulasi dalam
suatu menyelesaikan masalah. Basis pengetahuan merupakan bagian yang sangat
penting dalam proses inferensi, yang di dalamnya menyimpan informasi dan
aturan-aturan penyelesaian suatu pokok bahasan masalah beserta atributnya. Pada prinsipnya,
basis pengetahuan mempunyai dua (2) komponen yaitu fakta-fakta dan aturan-aturan.
3. Mesin Inferensi (Inference Engine).
Program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap
informasi-informasi dalam basis pengetahuan dan blackboard, serta digunakan untuk
memformulasikan konklusi.
4. Workplace / Blackboard
Merupakan area dari sekumpulan memori kerja (working memory). Workplace
digunakan untukmerekam kejadian yang sedang berlangsung termasuk keputusan
sementara.
5. Antarmuka (user interface)
Digunakan untuk media komunikasi antara user dan program. Menurut McLeod
(1995), pada bagian ini terjadi dialog antara program dan pemakai, yang
memungkinkan sistem pakar menerima instruksi dan informasi (input) dari pemakai,
juga memberikan informasi (output) kepada pemakai.
6. Subsistem penjelasan (Explanation Facility)
Explanation Facility memungkinkan pengguna untuk mendapatkan penjelasan dari
hasil konsultasi. Fasilitas penjelasan diberikan untuk menjelaskan bagaimana proses
penarikan kesimpulan. Biasanya dengan cara memperlihatkan rule yang digunakan.
7. Perbaikan Pengetahuan (Knowledge Refinement)
Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk
melihat apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di
Berikut gambar 2.3 arsitektur pada sistem pakar berdasarkan penjelasan diatas.
Gambar 2.3. Arsitektur Sistem Pakar
2.4 Pengertian Gizi
Menurut Supariasa, gizi adalah suatu proses organisme dalam menggunakan bahan
makanan melalui proses pencernaan, penyerapan, transportasi, penyimpanan
metabolisme dan pembuangan untuk pemeliharaan hidup, pertumbuhan, fungsi organ
tubuh dan produksi energi [7].
2.4.1 Status Gizi
Menurut Almatsier, Status Gizi adalah keadaan tubuh sebagai akibat konsumsi
makanan dan penggunaan zat-zat gizi [1]. Konsumsi makanan yang mengandung
energi dan protein yang tidak sesuai dengan kebutuhan tubuh akan menyebabkan
balita mengalami malnutrisi atau gizi salah. Malnutrisi yang terjadi dalam waktu yang
lama akan menyebabkan balita mengalami gangguan terhadap pertumbuhan fisik dan
mental. Sedangkan menurut Supariasa, status gizi adalah ekspresi dari keadaan yang
diakibatkan oleh status keseimbangan antara jumlah asupan zat gizi dan jumlah yang
dibutuhkan oleh tubuh untuk berbagai fungsi biologis seperti pertumbuhan fisik,
Status Gizi dibedakan antara status gizi buruk, gizi kurang, gizi baik dan gizi lebih,
berdasarkan data baku Kementerian Kesehatan Republik Indonesia yang menyajikan
pengukuran status gizi dalam z-score. Dimana data ini sangat cocok untuk negara
Indonesia yang anak-anak yang populasinya relatif kurang baik, sehingga
menggunakan skor simpang baku (z-score). Klasifikasi Status Gizi Anak Balita
Menurut Standar Kementerian Kesehatan RI dengan skor simpangan baku (z-score)
dapat dilihat pada tabel 1 berikut:
Tabel 2.1. Kategori dan Ambang Batas Status Gizi Anak Berdasarkan Indeks
Sumber : Berdasarkan Keputusan Menteri Kesehatan Tahun 2010
2.4.2 Penilaian Status Gizi
Menurut Supariasa, macam-macam penilaian status gizi dibagi menjadi dua yaitu
penilaian status gizi secara langsung dan tidak langsung [7].
1) Penilaian status gizi secara langsung
Penilaian status gizi secara langsung dapat dibagi menjadi empat penilaian yaitu
antropometri, klinis, biokimia dan biofisik.
a. Antropometri
Metode antropometri yaitu menentukan status gizi dengan menggunakan ukuran
tubuh. Pengukuran antropometri merupakan cara yang paling mudah dan tidak
b. Klinis
Penilaian status gizi secara klinis yaitu penilaian yang didasarkan pada gejala yang
muncul dari tubuh sebagai akibat dari kelebihan atau kekurangan salah satu zat gizi
tertentu. Setiap zat gizi memberikan tampilan klinis yang berbeda, sehingga cara
ini dianggap spesifik namun sangat subjektif.
c. Biokimia
Pemeriksaan gizi dilakukan secara laboratoris pada berbagai macam jaringan
tubuh. Jaringan tubuh yang digunakan antara lain: darah, urine, tinja, hati, dan otot.
d. Biofisik
Penilaian secara biofisik yaitu dengan mengukur elastisitas dan fungsi jaringan
tubuh. Cara ini jarang digunakan karena membutuhkan peralatan yang canggih,
mahal dan tenaga terampil.
2.4.3 Indeks Antropometri
Menurut Supariasa, indeks antropometri adalah kombinasi antara beberapa parameter
antropometri untuk menilai status gizi [7]. Beberapa indeks antropometri yang sering
digunakan yaitu berat badan menurut umur (BB/U), tinggi badan menurut umur
(TB/U), berat badan menurut tinggi badan (BB/TB), dan Indeks Massa Tubuh (IMT).
Indeks BB/U, TB/U, BB/TB cenderung digunakan untuk menilai status gizi pada anak
(kurang dari delapan belas tahun). Sedangkan IMT dapat digunakan untuk menilai
status gizi pada anak maupun orang dewasa (lebih dari delapan belas tahun). Berikut
penjelasan mengenai variabel indeks antropometri.
1. Berat Badan menurut Umur (BB/U)
Berat badan adalah salah satu parameter yang memberikan gambaran massa tubuh.
Massa tubuh sangat sensitif terhadap perubahan – perubahan yang mendadak,misalnya
karena terserang penyakit infeksi, menurunnya nafsu makan atau menurunnya jumlah
makanan yang dikonsumsi.
2. Tinggi Badan menurut Umur (TB/U)
Tinggi badan adalah salah satu ukuran pertumbuhan linier. Pada keadaan normal,
tinggi badan tumbuh seiring dengan pertambahan umur. Pertumbuhan tinggi
badantidak seperti berat badan, relatif kurang sensitif terhadap masalah kekurangan
3. Berat Badan menurut Tinggi Badan (BB/TB)
Berat badan memiliki hubungan yang linear dengan tinggi badan. Dalam keadaan
normal, perkembangan berat badan akan searah dengan pertumbuhan tinggi badan
dengan kecepatan tertentu. Indeks BB/TB tidak dipengaruhi oleh umur.
4. Indeks Massa Tubuh
Indeks Massa Tubuh (IMT) merupakan alat yang sederhana untuk memantau status
gizi orang dewasa, khususnya yang berkaitan dengan kekurangan dan kelebihan berat
badan.
Didalam menentukan status gizi berdasarkan indeks antropometri pada anak, maka
diperlukan nilai z-score. Berikut ini merupakan rumus untuk mencari nilai z-score.
Nilai Simpang Baku Rujukan
Nilai Individu Subjek – Nilai Median Baku Rujukan Z-Score =
Dari rumus diatas, dapat diturunkan menjadi 2 rumus, yaitu:
1. Bila nilai real hasil pengukuran berat badan per umur (BB/U), tinggi badan per
usia (TB/U) atau berat badan menurut tinggi badan (BB/TB) lebih besar atau
sama dengan nilai median maka dapat dilihat pada persamaan
Z-Score = Nilai Individu Subjek – Nilai Median Baku Rujukan Nilai Median Baku Rujukan – Nilai SD Upper
Keterangan :
Nilai Individu Subjek : nilai riil dari subjek
Nilai Median Baku Rujukan : nilai median baku dari standart yang digunakan
Nilai SD Upper : nilai simpang baku yang positif, yang nilainya
lebih besar dari nilai median baku rujukan.
2. Bila nilai real hasil pengukuran berat badan per usia (BB/U), tinggi badan per usia
(TB/U) atau berat badan menurut tinggi badan (BB/TB) lebih kecil dari nilai
median maka maka dapat dilihat pada persamaan.
Z-Score = Nilai Individu Subjek – Nilai Median Baku Rujukan Nilai Median Baku Rujukan – Nilai SD Lower
(2.1)
(2.2)
Keterangan :
Nilai Individu Subjek : nilai riil dari subjek
Nilai Median Baku Rujukan : nilai median baku dari standart yang digunakan
Nilai SD Lower : nilai simpang baku yang positif, yang nilainya
lebih kecil dari nilai median baku rujukan.
2.5 Logika Fuzzy
Konsep logika fuzzy pertama kali diperkenalkan oleh Professor Lotfi A.Zadehdari
Universitas California, pada bulan Juni 1965. Fuzzy secara bahasa diartikan sebagai
kabur atau samar – samar. Menurut Setiadji [6], fuzzy merupakan suatu nilai yang
dapat bernilai benar atau salah secara bersamaan. Namun seberapa besar nilai
kebenaran dan kesalahannya tergantung pada derajat keanggotaan yang dimilikinya.
Derajat keanggotaan dalam fuzzy memiliki rentang nilai 0 (nol) hingga1(satu). Hal ini
berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak).
Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan
menggunakan bahasa (linguistik), misalkan besaran kecepatan laju kendaraan yang
diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan logika fuzzy
menunjukkan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah.
Tidak seperti logika tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu
merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya
nilai bukan merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah
anggota himpunan.
Menurut Kusumadewi, logika fuzzy adalah suatu cara yang tepat untuk memetakan
suatu ruang input kedalam suatu ruang output. Fuzzy dinyatakan dalam derajat dari
suatu keanggotaan dan derajat dari kebenaran [5].
2.5.1 Konsep Himpunan Fuzzy
Pada himpunan tegas setiap elemen dalam semestanya selalu ditentukan secara tegas
apakah elemen itu merupakan anggota himpunan tersebut atau tidak.Tetapi dalam
kenyataanya tidak semua himpunan terdefinisi secara tegas. Misalnya himpunan siswa
dijadikan ukuran untuk tingkat kepandaian seseorang. Oleh karena itu perlu
didefinisikan suatu himpunan fuzzy yang bisa menyatakan kejadian tersebut.
Himpunan fuzzy didefinisikan sebagai berikut :
Menurut Wang (1997 : 21), Himpunan fuzzy A di dalam semesta pembicaraan U
didefinisikan sebagai himpunan yang mencirikan suatu fungsi keanggotaan
�
�(�)yang mengawankan setiap �∈ � dengan bilangan real di dalam interval [0,1] dengan
nilai
�
�(�) menyatakan derajat keanggotaan x di dalam A . Suatu himpunan fuzzy A dapat dinyatakan dengan dua cara, yaitu :a. �= ∫u
�
�(�) /�Dimana notasi integral melambangkan himpunan semua �� ∈ �� bersama dengan
derajat keanggotaannya pada himpunan fuzzy A. Cara ini digunakan pada himpunan
fuzzy yang anggotanya bernilai kontinu.
b. �= Σ�
�
�(�) /�Dimana notasi sigma melambangkan himpunan semua �∈� bersama dengan derajat
keanggotaannya pada himpunan fuzzy A. Cara ini digunakan pada himpunan fuzzy
yang anggotanya bernilai diskrit.
Contoh 2.1. Himpunan fuzzy diskrit:
Semesta U adalah himpunan bilangan asli kurang dari 10, dinyatakan dengan U = {1,
2, 3, 4, 5, 6, 7, 8, 9}. Himpunan fuzzy bilangan asli sekitar 5 direpresentasikan seperti
Gambar 2.2.
Gambar 2.4. Representasi himpunan fuzzy bilangan asli sekitar 5
Himpunan fuzzy bilangan asli sekitar 5 adalah {(0/1), (0.25/2), (0.5/3), (0.75/4, 1/5,
0.75/6, 0.5/7, 0.25/8, 0/9}
Contoh 2.2. Himpunan fuzzy kontinu:
Semesta U merupakan himpunan semua mahasiswa yang mempunyai IPK [0,4.0].
�
�PK menunjukkan derajat kepandaian mahasiswa berdasarkan IPK. Himpunan fuzzy [image:30.595.191.448.223.346.2]kepandaian mahasiswa berdasarkan IPK direpresentasikan seperti Gambar 2.3.
Gambar 2.5. Himpunan Fuzzy Kepandaian Mahasiswa Berdasarkan IPK
Himpunan fuzzy mahasiswa yang mempunyai derajat kepandaian tinggi adalah :
Menurut Kusumadewi, himpunan fuzzy memiliki 2 atribut [5], yaitu:
a) Linguistik, yaitu penamaan suatu kelompok yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti: LAMBAT, SEDANG,
CEPAT.
b) Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel,
seperti: 40, 50, 60, dan sebagainya.
Hal – hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a) Variabel Fuzzy
Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu sistem fuzzy,
seperti: umur, berat badan, tinggi badan, dan sebagainya.
b) Himpunan Fuzzy
Himpunan fuzzy merupakan suatu kelompok yang mewakili suatu keadaan tertentu
dalam suatu variabel fuzzy.
0/
dx
x
– 3 /dx
1/dx
c) Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan
dalam suatu variabel fuzzy. Nilai semesta pembicaraan dapat berupa bilangan positif
maupun negatif. Sebagai contoh, semesta pembicaraan untuk kepandaian mahasiswa
adalah [0,4.0].
d) Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu himpunan fuzzy. Nilai domain dapat berupa bilangan positif
maupun negatif. Sebagai contoh, domain dari himpunan fuzzy kecepatan adalah
sebagai berikut:
Rendah : [0, 3.0]
Sedang : [2.2, 3.8]
Tinggi : [3.0, 4.0]
2.5.2 Fungsi Keanggotaan
Definisi 2.4 (Klir, 1997 : 75) Setiap himpunan fuzzy � di dalam himpunan universal
X, � ∈ X dipetakan ke dalam interval [0,1]. Pemetaan dari �∈ X pada interval [0,1]
disebut fungsi keanggotaan. Fungsi keanggotaan dari himpunan fuzzy � di dalam
semesta X dapat ditulis:
A: X → [0,1].
Menurut Kusumadewi, fungsi keanggotaan adalah suatu kurva yang menunjukkan
pemetaan titik – titik input data ke dalam nilai keanggotaannya yang memiliki interval
antara 0 sampai 1 [5].
Ada beberapa fungsi yang bisa digunakan. diantaranya, yaitu:
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotannya digambarkan
sebagai suatu garis lurus. Ada dua keadaan himpunan fuzzy linear, yaitu linear naik
dan linear turun. Representasi himpunan fuzzy linear naik seperti yang ditunjukkan
Fungsi Keanggotaan:
Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan nol b = nilai domain yang mempunyai derajat keanggotaan satu x = nilai input yang akan di ubah ke dalam bilangan fuzzy
Representasi himpunan fuzzy linear turun seperti yang ditunjukkan pada Gambar 2.7.
Fungsi Keanggotaan:
(2.5) Derajat
[image:32.595.126.442.87.242.2]Keanggotaan
�
[�]Gambar 2.6 Representasi Linear Naik
(2.4)
Derajat Keanggotaan
�
[�]Gambar 2.7 Representasi Linear Turun
Derajat Keanggotaan
�
[�]Gambar 2.7 Representasi Linear Turun
[image:32.595.137.428.495.654.2]Keterangan:
a = nilai domain yang mempunyai derajat keanggotaan satu b = nilai domain yang mempunyai derajat keanggotaan nol x = nilai input yang akan di ubah ke dalam bilangan fuzzy
b. Representasi Kurva Segitiga
Kurva Segitiga pada dasarnya merupakan gabungan antara dua garis (linear) seperti
terlihat pada Gambar 2.8.
Fungsi Keanggotaan:
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
�� = nilai input yang akan di ubah ke dalam bilangan fuzzy
c. Representasi Kurva Trapesium
Kurva Trapesium pada dasarnya seperti bentuk segitiga karena merupakan gabungan
antara dua garis (linear), hanya saja ada beberapa titik yang memiliki nilai
keanggotaan 1. Representasi kurva trapesium ditunjukkan pada Gambar 2.9. Derajat
[image:33.595.129.441.224.359.2]Keanggotaan
�
[�]Gambar 2.8 Representasi Kurva Segitiga
(2.6) 0 ;
Fungsi Keanggotaan:
Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol b = nilai domain terkecil yang mempunyai derajat keanggotaan satu c = nilai domain terbesar yang mempunyai derajat keanggotaan satu d = nilai domain terbesar yang mempunyai derajat keanggotaan nol x = nilai input yang akan di ubah ke dalam bilangan fuzzy
d. Representasi Kurva Bahu
Himpunan fuzzy bahu digunakan untuk mengakhiri variabel suatu daerah fuzzy.
Bentuk kurva bahu berbeda dengan kurva segitiga, yaitu salah satu sisi pada variabel
tersebut mengalami perubahan turun atau naik, sedangkan sisi yang lain tidak
mengalami perubahan atau tetap. Bahu kiri bergerak dari benar ke salah, demikian
juga bahu kanan bergerak dari salah ke benar. Gambar 2.10 menunjukkan variabel
TEMPERATUR dengan daerah bahunya.
[image:34.595.110.439.90.233.2](2.7) Gambar 2.9 Representasi Kurva Trapesium
2.5.3 Operasi Himpunan Fuzzy
Seperti halnya himpunan bilangan tegas, ada beberapa operasi yang didefinisikan
secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi dua himpunan yang dikenal dengan nama α -predikat.
Menurut Wang (1997 : 29), ada tiga operasi dasar dalam himpunan fuzzy,yaitu
komplemen, irisan (intersection) dan gabungan (union).
a) Komplemen
Operasi komplemen pada himpunan fuzzy adalah sebagai hasil operasi dengan
operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada
himpunan yang bersangkutan dari 1.
A(x) = 1 – A(x)
b) Irisan (Intersection)
Operasi irisan (intersection) pada himpunan fuzzy adalah sebagai hasil operasi dengan
operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen
pada himpunan - himpunan yang bersangkutan.
[image:35.595.128.503.83.323.2](A ∩ B)(x) = min [A(x) , B(x)]
c) Gabungan (Union)
Operasi gabungan (union) pada himpunan fuzzy adalah sebagai hasil operasi dengan
operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen
pada himpunan - himpunan yang bersangkutan.
(A ∪ B)(x) = max [A(x) , B(x)]
2.5.4 Fungsi Implikasi
Tiap – tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan
suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi
adalah:
IF x is A THEN y is B
dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang
mengikuti IF disebut sebagai anteseden, sedangkan proporsi yang mengikuti THEN
disebut sebagai konsekuen.
2.5.5 Sistem Berbasis Aturan Fuzzy
Pendekatan logika fuzzy diimplementasikan dalam tiga tahapan, yakni: fuzzyfikasi,
[image:36.595.140.491.467.509.2]evaluasi rule (inferensi), dan defuzzifikasi.
Gambar 2.11. Tahapan sistem berbasis aturan fuzzy
1. Fuzzyfikasi
Fuzzyfikasi merupakan fase pertama dari perhitungan fuzzy, yaitu mengubah masukan
- masukan yang nilai kebenarannya bersifat pasti ke dalam bentuk fuzzy input yang
berupa tingkat keanggotaan / tingkat kebenaran. Dengan demikian, tahap ini
mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut
menjadi anggota dari setiap himpunan fuzzy yang sesuai.
2. Inferensi
Inferensi adalah melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang
telah ditentukan sehingga menghasilkan fuzzy output. Secara sintaks, suatu fuzzy rule
(aturan fuzzy) dituliskan sebagai berikut:
3. Defuzzifikasi
Defuzzifikasi adalah mengubah fuzzy output menjadi nilai tegas berdasarkan fungsi
keanggotaan yang telah ditentukan. Defuzzifikasi merupakan metode yang penting
dalam pemodelan sistem fuzzy.
2.6 Metode Fuzzy Mamdani
Salah satu aplikasi logika fuzzy yang telah berkembang amat luas dewasa ini adalah
sistem inferensi fuzzy (Fuzzy Inference System / FIS), yaitu kerangka komputasi yang
didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF THEN, dan
penalaran fuzzy. Misalnya dalam penentuan status gizi, produksi barang, sistem
pendukung keputusan, penentuan kebutuhan kalori harian, dan sebagainya. Ada tiga
metode dalam sistem inferensi fuzzy yang sering digunakan, yaitu metode Tsukamoto,
metode Mamdani, dan metode Takagi Sugeno.
Dalam penelitian ini akan dibahas penentuan status gizi menggunakan metode
Mamdani. Sistem ini berfungsi untuk mengambil keputusan melalui proses tertentu
dengan mempergunakan aturan inferensi berdasarkan logika fuzzy. Metode Mamdani
sering dikenal dengan nama Metode Min – Max. Metode ini diperkenalkan oleh
Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4
tahapan:
1) Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi
satu atau lebih himpunan fuzzy.
2) Aplikasi fungsi implikasi
Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3) Komposisi Aturan
Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari gabungan
antar aturan. Ada tiga metode yang digunakan dalam melakukan inferensi sistem
fuzzy, yaitu: max, additive dan probabilistik OR (probor).
a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan
proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang
merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan:
Usf[xi] = max (Usf[xi], Ukf[xi])
Keterangan:
Usf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
Ukf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
Usf[xi]=min (1, Usf[xi]+Ukf[xi])
Keterangan:
μsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i; μkf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
c. Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product
terhadap semua output daerah fuzzy. Secara umum dituliskan:
Usf[xi]=(Usf[xi]+Ukf[xi] - (Usf[xi] . Ukf[xi]))
Keterangan:
Usf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
Ukf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke-i.
4) Penegasan (defuzzifikasi)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari suatu
komposisi aturan – aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan
fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai
output.
(2.8)
(2.9)
Menurut Kusumadewi (2004 : 44), ada beberapa metode defuzzifikasi pada komposisi
aturan Mamdani, antara lain:
a) Metode Centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah
fuzzy. Secara umum dirumuskan:
Keterangan:
Z = nilai domain ke – i,
�(Z) = derajat keanggotaan titik tersebut,
Z0 = nilai hasil penegasan (defuzzyfikasi).
Keterangan:
Z = nilai hasil penegasan (defuzzyfikasi) di = nilai keluaran pada aturan ke i
��� (di) = derajat keanggotaan nilai keluaran pada aturan ke –i n = banyaknya aturan yang digunakan.
b) Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain
fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan
pada daerah fuzzy. Secara umum dituliskan:
Keterangan:
d = nilai hasil penegasan (defuzzyfikasi),
di = nilai keluaran pada aturan ke-i,
��� (di) = derajat keanggotaan nilai keluaran pada aturan ke – i, n = banyak aturan yang digunakan
(2.11)
(2.12)
c) Metode Mean of Maksimum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata – rata
domain yang memiliki nilai keanggotaan maksimum.
d) Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari
domain yang memiliki nilai keanggotaan maksimum.
e) Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari
domain yang memiliki nilai keanggotaan maksimum.
2.7 Bahasa Pemograman Sistem
2.7.1 Pengeanalan Visual Basic.Net
Microsoft Visual Basic .NET adalah sebuah alat untuk mengembangkan dan
membangun aplikasi yang bergerak di atas sistem .NET Framework, dengan
menggunakan bahasa BASIC. Dengan menggunakan alat ini, para programmer dapat
membangun aplikasi Windows Forms, Aplikasi web berbasis ASP.NET, dan juga
aplikasi command-line. Alat ini dapat diperoleh secara terpisah dari beberapa produk
lainnya (seperti Microsoft Visual C++, Visual C#, atau Visual J#), atau juga dapat
diperoleh secara terpadu dalam Microsoft Visual Studio .NET. Bahasa Visual Basic
.NET sendiri menganut paradigma bahasa pemrograman berorientasi objek yang dapat
dilihat sebagai evolusi dari Microsoft Visual Basic versi sebelumnya yang
diimplementasikan di atas .NET Framework. Peluncurannya mengundang kontroversi,
mengingat banyak sekali perubahan yang dilakukan oleh Microsoft, dan versi baru ini
tidak kompatibel dengan versi terdahulu.
Versi pertama dari Visual Basic .NET adalah Visual Basic .NET 2002 yang dirilis
pertama kali pada bulan Februari 2002. Visual Basic .NET 2002 merupakan sebuah
bahasa pemrograman visual yang berbasis bahasa BASIC (sama seperti halnya Visual
Basic 6.0, tetapi lebih disempurnakan dan lebih berorientasi objek), dan didesain
2.7.2 Pengenalan Database MySQL
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL (bahasa
Inggris: database management system) atau DBMS yang multithread, multi-user,
populer dan bersifat gratis. MySQL AB merupakan perusahaan yang membuat
MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General Public
License (GPL), tetapi mereka juga menjual dibawah lisensi komersial untuk
kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL.
Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak
dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh
penulisnya masing-masing, MySQL dimiliki dan disponsori oleh sebuah perusahaan
komersial Swedia MySQL AB, dimana memegang hak cipta hampir atas semua kode
sumbernya. Kedua orang Swedia dan satu orang Finlandia yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael “Monty” Widenius.
MySQL adalah Relational Database Management System (RDBMS) yang
didistribusikan secara gratis dibawah lisensi GPL (General Public License). Dimana
setiap orang bebas untuk menggunakan MySQL, namun tidak boleh dijadikan produk
turunan yang bersifat closed source atau komersial. MySQL sebenarnya merupakan
turunan salah satu konsep utama dalam database sejak lama, yaitu SQL (Structured
Query Language). SQL adalah sebuah konsep pengoperasian database, terutama untuk
pemilihan atau seleksi dan pemasukan data, yang memungkinkan pengoperasian data
dikerjakan dengan mudah secara otomatis. Keandalan suatu sistem database (DBMS)
dapat diketahui dari cara kerja optimizer-nya dalam melakukan proses
perintah-perintah SQL, yang dibuat oleh user maupun program-program aplikasinya. Sebagai
database server, MySQL dapat dikatakan lebih unggul dibandingkan database server
lainnya dalam query data. Hal ini terbukti untuk query yang dilakukan oleh single
user, kecepatan query MySQL bisa sepuluh kali lebih cepat dari PostgreSQL dan lima
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem dalam penelitian ini akan dilakukan dalam beberapa tahap yakni analisis
sistem manual, dan analisis permasalahan sistem pakar. Berikut akan dijelaskan
masing-masing analisis tersebut.
3.1.1 Analisis Sistem Manual
Cara yang paling umum digunakan seorang dokter untuk menentukan penyakit seorang pasien
adalah dengan cara diagnosa. Diagnosa merupakan suatu pernyataan singkat tentang keadaan
atau kondisi suatu penyakit. Fakta-fakta yang dijadikan dasar seorang dokter untuk membuat
diagnosa harus diperoleh terlebih dahulu dan terutama didapatkan dari keterangan pasien.
Adapun proses yang dilakukan untuk mengidentifikasi status gizi seorang anak terdiri
pemeriksaan fisik pasien dan pemeriksaan lanjutan.
Proses pemeriksaan fisik yang dilakukan seorang dokter meliputi pemeriksaan fisik luar
terhadap kondisi pada pasien seperti berat badan dan tinggi badan dan kondisi fisik
pendukung lainnya yang mengarahkannya pada suatu kesimpulan penyakit. Sementara proses
pemeriksaan fisik lanjutan (laboratorium) merupakan tahap selanjutnya setelah dilakukan
pemeriksaan fisik luar. Pada proses ini pasien akan diperiksa kondisi tubuhnya mulai dari
kepala hingga kaki. Cara umum yang biasa dilakukan dokter untuk melakukan diagnosa status
gizi pada anak adalah pemeriksaan fisik luar yang akan ditegakkan menjadi untuk
menentukan diagnosa penyakit.
Pada umumnya, proses pemeriksaan fisik luar pada anak saja sudah bisa menyimpulkan
diagnosa status gizi yang dialami. Namun, untuk keadaan-keadaan tertentu pemeriksaan
3.1.2 Analisis Permasalahan
Diagnosa dengan pemeriksaan fisik luar yang dilakukan kepada pasien anak merupakan cara
yang paling efektif dan banyak digunakan oleh para dokter di lapangan. Hal ini dikarenakan
pemeriksaan fisik luar pasien anak penting untuk mengetahui karakteristik suatu penyakit,
namun tak jarang cara ini menyulitkan dokter dalam mendiagnosa jika gambaran fisik luar
mengalami kelainan karena suatu penyakit sehingga yang data yang terlihat kurang
mendukung. Cara pemeriksaan lanjutan sebenarnya menghasilkan diagnosa yang sangat
akurat, karena melalui serangkaian pengujian laboratorium. Namun, cara ini jarang dilakukan
masyarakat karena memerlukan biaya yang sangat mahal.
Untuk lebih jelasnya maka analisis permasalahan ini akan dilakukan dengan cause effect
diagram (ishikawa diagram). Diagram Ishikawa (diagram sebab-akibat) adalah diagram yang
menunjukkan penyebab peristiwa tertentu. Umumnya diagram Ishikawa digunakan untuk
desain produk, kontrol kualitas dan untuk mengidentifikasi faktor-faktor potensial yang
menyebabkan efek keseluruhan. Setiap penyebab atau alasan ketidaksempurnaan merupakan
sumber dari permasalahan. Diagram Ishikawa berbentuk fishbone yang menunjukkan faktor
peralatan, proses, manusia, bahan, lingkungan dan manajemen. Itu semua merupakan masalah
yang mempengaruhi keseluruhan. Panah kecil menghubungkan sub-penyebab penyebab
utama. Berikut ini merupakan hasil pemaparan analisis permasalahan diatas menggunakan
diagram ishikawa berdasarkan sistem yang akan dikerjakan
Menentukan Status Gizi dan Kalori Harian pada Anak
Material Methode
Manusia Mesin
Pemeriksaan fisik anak
Keterangan data diri anak
Belum adanya ketetapan yang pasti
Kurangnya pengetahuan mengenai nutrisi
dan kalori
Kurangnya Dokter Spesialis
[image:43.595.109.520.490.704.2]Kurangnya pemanfaatan teknologi informasi
Berdasarkan hasil analisis diatas, maka dapat disimpulkan cara yang paling efektif dan cepat
dalam menyimpulkan status gizi anak adalah pemeriksaan fisik luar. Cara ini juga terjangkau
bagi ekonomi masyarakat. Selain itu, masyarakat juga perlu diberikan pengetahuan bagaimana
cara menangani agar status gizi pada anak dapat normal secara mandiri setelah mendapat hasil
pemeriksaan fisik luar. Penanganan ini sangat berguna untuk memberi pengetahuan kepada
orang tua pasien kapan mereka harus mendapatkan perawatan medis dan kapan penyakit
tersebut dapat ditangani sendiri secara mandiri serta untuk mengurangi kemungkinan resiko
penyakit yang lebih serius.
Untuk itu dalam penelitian ini, penulis akan membuat suatu sistem pakar yang dapat
mempresentasikan pengetahuan pakar dalam mendiagnosa penyakit paru dan saluran
pernapasan dengan menginputkan hasil pemeriksaan fisik luar yang dialami pasien anak
secara langsung. Metode yang digunakan pada sistem untuk mengetahui status gizi pasien
anak adalah metode fuzzy mamdani.
3.2 Analisis Persyaratan
Tujuan analisis ini adalah untuk menentukan fungsi-fungsi apa saja yang terdapat dalam
sebuah sistem pakar. Analisis fungsional sistem ada 2, yaitu:
1. Functional pada sistem
Yaitu fungsi-fungsi atau layanan untuk menunjang fungsionalitas dan utilitas sistem.
Berikut ini merupakan tabel functional sistem pada sistem pakar ini.
1. Meminta masukan user berupa data pemeriksaan fisik seperti umur, berat badan,
tinggi badan, dan jenis kelamin.
2. Memberikan hasil diagnosis status gizi berdasarkan masukan user.
3. Menampilkan keterangan Berat Badan Ideal (BBI) dan Berat Massa Ideal (BMI)
sesuai yang data masukan oleh user sehingga user dapat mengetahui kondisi paling
baik untuk tubuh mereka.
4. Meminta masukan berupa “username” dan “password” oleh user untuk melakukan proses login ke backend system.
5. Melakukan management sistem berupa proses tambah, hapus dan edit untuk
gejala dan penyakit.
2. Non-Functional pada sistem
Yaitu hal-hal atau fitur-fitur lain (bukan fungsi atau layanan) untuk menunjang
fungsionalitas dan utilitas sistem. Berikut ini merupakan tabel non-functional sistem
[image:45.595.138.531.188.439.2]pada sistem pakar ini.
Tabel 3.1 Tabel Non-Fuctional Requirement pada Sistem
Parameter Keterangan
Reliability Sistem dapat menentukan status gizi berdasarkan metode fuzzy mamdani.
Simplicity Sistem ini dapat diakses secara offline menggunakan perangkat komputer desktop.
Respone Time
Waktu yang dibutuhkan oleh user untuk memperoleh hasil dari sistem tidak terlalu lama dikarenakan setelah data dimasukkan maka secara otomatis hasil akan langsung ditampilkan.
Security Keamanan pada sistem ini cukup baik dikarenakan user harus melakukan login terlebih dahulu untuk masuk ke backend systems. Efficiency Kemudahan pada sistem ini menyebabkan user tidak perlu repot lagi
harus berkonsultasi secara langsung pada dokter spesialis untuk sekedar ingin tahu status gizi yang dialami oleh anak.
Performance Kinerja pada sistem ini sudah berjalan dengan baik, hal ini ditandai dengan uji coba yang dilakukan pada sistem berjalan sesuai dengan hasil yang diinginkan.
3.3 Metode Fuzzy Mamdani
Dalam penentuan status gizi, aplikasi logika fuzzy digunakan untuk mengubah input
yang berupa berat dan tinggi badan sehingga mendapatkan output berupa nilai gizi.
Kemudian disesuaikan dengan range keanggotaan pada variabel nilai gizi sehingga
diperoleh status gizi. Dalam penentuan status gizi digunakan metode Mamdani atau
sering juga dikenal dengan nama Metode Min - Max. Dalam metode ini, pada setiap aturan yang berbentuk implikasi (“sebab-akibat”) anteseden yang berbentuk konjungsi (AND) mempunyai nilai keanggotaan berbentuk minimum (min), sedangkan
konsekuen gabungannya berbentuk maksimum (max). Untuk mendapatkan output,
diperlukan empat tahapan yaitu:
1. Pembentukan Himpunan Fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi
satu atau lebih himpunan fuzzy. Dalam penentuan status gizi dengan parameter Indeks
Massa Tubuh (IMT), variabel input dibagi menjadi dua yaitu variabel berat dan tinggi
badan. Serta satu variabel output, yaitu variabel nilai gizi. Variabel nilai gizi ini
tidak tergantung pada umur dan jenis kelamin. Penentuan variabel yang digunakan
[image:46.595.103.530.159.248.2]dalam penelitian ini, terlihat pada Tabel 3.2. berikut ini.
Tabel 3.2. Semesta pembicaraan untuk setiap variabel fuzzy.
Fungsi Nama Variabel Semesta Pembicaraan
Input Berat Badan [3.3 , 18.3]
Tinggi Badan [55 , 105]
Output Nilai Gizi [-4 , 3]
Dari variabel yang telah dimunculkan, kemudian disusun domain himpunan fuzzy.
Berdasarkan domain tersebut, selanjutnya ditentukan fungsi keanggotaan dari masing – masing variabel seperti terlihat pada Tabel 3.2. Berikut adalah perancangan himpunan fuzzy pada penentuan status gizi menggunakan indeks massa tubuh :
Tabel 3.3. Tabel Himpunan Fuzzy.
Ringan
Normal
[image:46.595.154.477.408.702.2]Berat
[3.3 , 10.8]
[7.8 , 13.8]
[10.8 , 18.3]
Variabel Nama Variabel Semesta Pembicaraan
Berat Badan
(kg)
[3.3 , 6.3 , 10.8]
[7.8 , 10.8 , 13.8]
[10.8 , 15.3 , 18.3] Parameter
Ringan
Normal
Berat
[55 , 80]
[70 , 90]
[80 , 100]
Variabel Nama Variabel Semesta Pembicaraan
Tinggi Badan (cm)
[55 , 65 , 80]
[70 , 80 , 90]
[80 , 95 , 105] Parameter
Gizi Buruk
Gizi Kurang
Gizi Baik
[-4 , -3]
[-3 , -2]
[-2 , 2 ]
Variabel Nama Variabel Semesta Pembicaraan
Nilai Gizi
[-4 , -3.5 , -3]
[-3 , -2.5 , -2]
[-2 , 1 , 2] Parameter
Gizi Lebih [2 , 3] [2 , 2.5 , 3]
Himpunan fuzzy beserta fungsi keanggotaan dari variabel berat badan, tinggi badan,
a. Himpunan Fuzzy Variabel Berat Badan
Pada variabel berat badan didefinisikan tiga himpunan fuzzy, yaitu RINGAN,
NORMAL, dan BERAT. Untuk merepresentasikan variabel berat badan
digunakan bentuk kurva bahu kiri untuk himpunan fuzzy RINGAN, bentuk
kurva segitiga untuk himpunan fuzzy NORMAL, dan bentuk kurva bahu
kanan untuk himpunan fuzzy BERAT. Gambar himpunan fuzzy untuk variabel
berat badan ditunjukkan pada Gambar 3.1.
0 1
3.3 18.3
Ringan Normal Berat
[image:47.595.248.425.253.361.2]4.8 7.8 10.8 13.8 16.8
Gambar 3.2 Himpunan Fuzzy Berat Badan
Dimana sumbu horizontal merupakan nilai input dari variabel berat badan,
sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input.
Dengan fungsi keanggotaan adalah sebagai berikut:
; x < 3.3 ; 3.3 < x < 10.8 ; x > 10.8
�Ringan = 10.8 – X 3
1
0
�Berat = X – 10.8 3
; x > 16.8
0
1
; x < 7.8
�Normal =
X – 7.8 3
0
0
13.8 – X 3
; 7.8 < x < 10.8
; 10.8 < x < 13.8
; x > 13.8
; x < 10.8
; 10.8 < x < 16.8
Seseorang anak dianggap ringan bila berat badannya antara 3.3 kg sampai
10.8 kg, dianggap normal bila berat badannya antara 7.8 kg sampai 13.8 kg,
dianggap berat bila berat badannya antara 10.8 kg sampai 16.8 kg, dianggap
dianggap normal sekaligus tinggi bila berat badannya antara 10.8 kg sampai
13.8 kg
b. Himpunan Fuzzy Variabel Tinggi Badan
Pada variabel tinggi badan didefinisikan tiga himpunan fuzzy, yaitu
RENDAH, NORMAL, dan TINGGI. Untuk merepresentasikan variabel tinggi
badan digunakan bentuk kurva bahu kiri untuk himpunan fuzzy RENDAH,
bentuk kurva segitiga untuk himpunan fuzzy NORMAL, dan bentuk kurva
bahu kanan untuk himpunan fuzzy TINGGI. Representasi himpunan fuzzy
untuk variabel tinggi badan ditunjukkan pada Gambar 3.2.
0 1
50 60 70 80 90 100
Rendah Normal Tinggi
[image:48.595.223.444.301.413.2]110
Gambar 3.3 Himpunan Fuzzy Tinggi Badan
Dimana sumbu horizontal merupakan nilai input dari variabel tinggi badan,
sedangkan sumbu vertikal merupakan tingkat keanggotaan dari nilai input.
Dengan fungsi keanggotaan adalah sebagai berikut:
�
Rendah = 60 – X 201
0
�
Tinggi = X – 80 200
1
; x < 70
�
Normal =X – 70 10
0
0
90 – X 10
; 70 < x < 80
; 80 < x < 90
; x > 90 ; x < 60
; 60 < x < 80 ; x > 80
; x < 80 ; 80 < x < 100 ; x > 100
Seseorang anak dianggap rendah bila tinggi badannya antara 50 cm sampai 80
Gambar
Dokumen terkait
Tujuan dari penelitian ini adalah untuk mengetahui perbandingan keaktifan belajar siswa antara yang menggunakan metode Peer Lessons dan group to group exchange (GGE)
MANAJEMEN SUMBER DAYA MANUSIA PADA USAHA KECIL DAN MENENGAH MELALUI PEMANFAATAN SISTEM INFORMASI SUMBER DAYA MANUSIA BERBASIS TEKNOLOGI OPEN SOURCE..
menyelesaikan pembiayaan bermasalah, ada seorang nasabah dia seorang pengusaha yang melakukan pembiayaan di KSPPS BMT Amanah Ummah sebesar Rp 10.000.000,
Pada flowchart di atas hal nya harus dilakukan adalah menentukan lokasi koordinat dari pembangunan PLTS serta data awal seperti energi yang dibutuhkan setiap harinya
Solusi pemecahan yang dapat diberikan untuk mempercepat pendinginan pada proses produksi kue lapis pada Kelompok Usaha ³ $6,+´ adalah dengan membuat sebuah alat atau
Dari kedua pendapat di atas dapat disimpulkan bahwa zaman peralihan Hindu ke Islam dalam kesusastraan Melayu mengacu pada zaman di mana kebudayaan Hindu masih tetap
Hasil asuhan kebidanan secara komprehensif pada Ny”I” selama kehamilan trimester III dengan Kehamilan Resiko Tinggi (Jarak Kehamilan Terlalu Dekat), pada persalinan
Oleh karena itulah minat akan mampu memperkuat atau memperlemah pengaruh ketersediaan sarana pendidikan dan persepsi yang baik terhadap tingkat pemahaman IFRS, seseorang yang