Klasifikasi Status Gizi pada Balita Menggunakan Metode Extreme Learning Machine dan Algoritme Genetika

Abstrak

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 neuronsebanyak 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.