Deteksi Status Gizi Dan Anemia Ibu Hamil

2. Deteksi Status Gizi Dan Anemia Ibu Hamil

Adapun tahapan dari deteksi status gizi dan anemia ibu hamil dapat dijelaskan seperti berikut:

a. Pengambilan Data Dari Posyandu Pengambilan data dilakukan di Posyandu. Data yang diambil meliputi data hasil pemeriksaan ibu hamil yang berupa data rekam medis yang meliputi nama, umur, alamat, pekerjaan, berat badan, tinggi badan, lingkar lengan atas, tingi fundus uteri, tekanan darah, dan hemoglobin.Data yang digunakan dalam penelitian ini dapat dibedakan menjadi dua. Pertama adalah data yang digunakan sebagai data pelatihan (training). Data tersebut adalah data yang akan digunakan dalam proses

klasifikasi. Data tersebut diambil dari data ibu hamil yang meliputi data usia kehamilan, berat badan, tinggi badan, tekanan darah, tinggi fundus uteri, linkar lengan atas dan hemoglobin. Kedua

adalah data yang digunakan dalam proses testing. Data tersebut adalah data hasil pemeriksaan ibu hamil tiap bulan dari Posyandu. Pengambilan data dilakukan di Posyandu Sejahtera Badran, Ponowaren, Tawangsari, Sukoharjo, Jawa Tengah, Indonesia. Data yang diambil meliputi data rekam medis ibu hamil dan data hasil pemeriksaan ibu hamil yang meliputi : usia kehamilan, berat badan, tinggi badan, tekanan darah, tinggi fundus uteri, linkar lengan atas dan hemoglobin.

Pengambilan Data dari Posyandu

Ekstraksi Fitur

Klasifikasi Hasil Deteksi Status Gizi:

1. Ibu Hamil Status Gizi Baik

2. Ibu Hamil Status Kurang Hasil Deteksi Anemia:

1. Ibu Hamil Tidak Anemia

2. Ibu Hamil Anemia Ringan

3. Ibu Hamil Anemia Sedang

4. Ibu Hamil Anemia Berat

Gambar 2. Tahapan Metode Deteksi Status Gizi Ibu Hamil

Prosiding Call For Paper SMIKNAS 2017 APIKES Citra Medika Surakarta ISBN : 978-602-6363-27-5 Prosiding Call For Paper SMIKNAS 2017 APIKES Citra Medika Surakarta ISBN : 978-602-6363-27-5

proses identifikasi (Muntasa, 2009) (Duda, 2000). Fitur yang digunakan untuk deteksi status gizi ibu hamil meliputi: fitur Body Mass Index (BMI) dan Lingkar Lengan Atas (LiLA). Sedang untuk deteksi anemia menggunakan fitur kadar hemoglobin (HB). Fitur-fitur yang terpilih nantinya digunakan untuk proses klasifikasi status gizi dan anemia yang meliputi : Ibu Hamil Status Gizi

Baik, Ibu Hamil Status Kurang, Ibu Hamil Tidak Anemia, Ibu Hamil Anemia Ringan, Ibu Hamil Anemia Sedang dan Ibu Hamil Anemia Berat.

c. Deteksi Status Gizi Menggunakan Support Vector Machine (SVM) Pendeteksi status gizi ibu hamil dilakukan dengan melakukan proses klasifikasi. Salah satu metode klasifikasi adalah Support Vector Machine (SVM) (Nugroho, 2003). Support Vector Machine (SVM) dikembangkan oleh Boser, Guyon, dan Vapnik, pertama kali dipresentasikan pada tahun 1992 di Annual Workshop on Computational Learning Theory. Konsep dasar SVM sebenarnya merupakan kombinasi harmonis dari teori-teori komputasi yang telah ada puluhan tahun sebelumnya, seperti margin hyperplane (Duda & Hart tahun 1973, Cover tahun 1965, Vapnik 1964, dan sebagainya), kernel diperkenalkan oleh Aronszajn tahun 1950, demikian juga dengan konsep-konsep pendukung yang lain. Akan tetapi hingga tahun 1992, belum pernah ada upaya merangkaikan komponen- komponen tersebut. Berbeda dengan strategi neural network yang berusaha mencari hyperplane pemisah antar kelas, SVM berusaha menemukan hyperplane yang terbaik pada input space. Prinsip dasar SVM adalah linear classifier, dan selanjutnya dikembangkan agar dapat bekerja pada problem non-linear dengan memasukkan konsep kernel trick pada ruang kerja berdimensi tinggi. Perkembangan ini memberikan rangsangan minat penelitian di bidang pattern recognition untuk investigasi potensi kemampuan SVM secara teoritis maupun dari segi aplikasi. Saat ini SVM telah berhasil diaplikasikan dalam masalah dunia nyata (real-world problems), dan secara umum memberikan solusi yang lebih baik dibandingkan metode konvensional seperti misalnya

artificial neural network (Nugroho, 2003).Program yang digunakan adalah MATLAB, yang mana merupakan bahasa yang berkemampuan tinggi untuk teknik komputasi. Matlab mengkombinasikan komputasi, visualisasi dan pemrograman pada lingkungan tunggal (MathWork). Modul Software

yang digunakan adalah Image Processing Toolbox. Toolbox adalah kompilasi dari fungsi-fungsi yang diberikan matlab dengan implementasi algoritma pemrosesan citra khusus (MathWorks, 2004).