42
BAB 3 PEMBAHASAN
3.1
FitPoint Gym Center
3.1.1
Latar belakang Guna memenuhi adanya kebutuhan masyarakat pada bidang kesehatan, tempat fitness
center yaitu FitPoint gym pada tahun 2006 berdiri pertama kali yang terletak di cibubur Jakarta timur.Kehadiran tempat olahraga ini mendapat tanggapan positif dari masyarakat luas dan dapat bersaing dengan tempat gym lain dan terbukti dapat bertahan serta berkembang di bagian pelayanannya maupun perlatan olahraganya.Guna menunjang pelayanan untuk konsumen di tempat ini juga menyediakan jasa layanan personal trainer. 3.1.2
Visi dan Misi
A.
Visi Visi FitPoint gym center adalah menjadi tempat sarana olahraga pilihan dengan
menyediakan pelayanan olahraga terbaik, aman, serta bermutu tinggi. B.
Misi Misi FitPoint gym center adalah menyediakan pelayanan serta alat lengkap untuk
menunjang kegiatan yang akan dilakukan oleh konsumen.
43
3.2
Model Aplikasi Program dirancang untuk memprediksi
apakah seseorang terkena penyakit obesitas
menggunakan jaringan syaraf tiruan backpropagation. Lapisan masukan(input layer) terdiri atas 8 buah node yaitu umur(X1), jenis kelamin(X2), indeks massa tubuh(X3), ukuran pinggang(X4), ukuran lingkar lengan atas(X5), lingkar paha(X6), lingkar perut dan pinggul atas(X7) dan lingkar perut bawah(X8) beserta 1 node bias.Untuk lapisan keluaran(output layer) hanya terdiri dari 1 buah node saja, yaitu hasil prediksi (Y).Jumlah lapisan tersembunyi (hidden layer) adalah 6 buah dengan 1 buah node bias. Nilai yang digunakan dalam penghitungan akan bervariasi tergantung dari hasil pengukuran.Dalam perancangan backpropagation digunakan 10000 iterasi dengan tingkat error yang diharapkan (desired error) diinisialisasikan sebesar 0.001 dan epoch maksimum sebesar 15000. Menurut WHO (1998) klasifikasi indeks massa tubuh adalah sebagai berikut Tabel 3.1 Indeks Massa Tubuh
<25 30-35 >35
Klasifikasi Indeks Massa Tubuh(cm) Massa total Yang diinginkan tinggi obesitas
Weight 0 0.5 1
Dan
menurut International Diabetes Federation(IDF) untuk kriteria ukuran lingkar pinggang dan juga pengukuran lingkar lengan atas dapat diklasifikasikan sebagai berikut Tabel 3.2 Klasifikasi Lingkar Pinggang Klasifikasi Ukuran Lingkar Pinggang Lingkar pinggang <75 <85 85 – 90
Optimal Normal Obesitas rendah
Weight 0 0.25 0.5
44
90 – 100 >100
Obesitas tinggi Obesitas berat
0.75 1
Tabel 3.3 Klasifikasi Lingkar Lengan
Klasifikasi Ukuran Lingkar Lengan Atas Lingkar Lengan <28 Normal 29 - 34 Obesitas 35-39 Obesitas berat >39 Obesitas sangat berat
Weight 0 0.25 0.50 1
Dan menurut Albert(2005) kriteria pengukuran lingkar paha dan lingkar perut beserta pinggul dapat diklasifikasikan sebagai berikut Tabel 3.4 Klasifikasi Lingkar Paha Klasifikasi Ukuran Lingkar Paha Lingkar paha <40 41-50 51-60 >60
Normal Obesitas Obesitas berat Obesitas sangat berat
Weight 0 0.25 0.50 1
Tabel 3.5 Klasifikasi Perut dan Pinggul
Klasifikasi Ukuran Lingkar perut dan pinggul bawah Lingkar perut <80 81-85 >86
Optimal Normal Obesitas
Weight 0 0.5 1
Tabel 3.6 Klasifikasi Lingkar Perut Atas
Klasifikasi Ukuran Lingkar Perut Atas <80
Optimal
Weigth 0
45
81- 90 >90
Normal Obesitas
Untuk klasifikasi umur dan jenis kelamin dibagi sebagai berikut Tabel 3.7 Jenis Kelamin Jenis kelamin Wanita Pria
Weight 0 1
Tabel 3.7 Usia
Usia 10-20 20-30 30-40 >40
Weight 0 0.25 0.75 1
0.5 1
46
Gambar model 3.1 Neural Network
Data yang digunakan dalam penelitian diambil secara acak dari catatan program diet klien di tempat fitness sebanyak 15 orang. Tabel 3.8 Hasil Penelitian
No
Umur
Gender
Massa
1 2 3 4 5 6 7
25 20 40 26 35 21 27
p w w p w w p
Total 32.5 20 26 30 35 26 27
Lingkar Lingkar Lingkar pinggang Lengan Paha 110 75.5 96 100 120 100 84
45 24 33 40 49 35 37
80 58 68 78 87 73 72
Lingkar Lingkar perut perut Mengidap bawah atas Obesitas 98 94 ya 74 68 tidak 89 86 ya 95 92 ya 102 100 ya 92 90 ya 90 85 tidak
47
8 9 10 11
33 26 22 31
p p w p
23 22 28 35
76 74 94 114
25 23 34 47
59 59 68 83
75 74 90 100
70 68 88 94
tidak tidak ya ya
12 13 14 15
24 33 34 26
w p p p
23 29 31 32
73 108 110 104
26 42 40 44
57 79 79 80
70 96 95 98
68 94 92 95
tidak ya ya ya
48
3.3
Perancangan Sistem
3.3.1
Rancangan Struktur Menu Struktur menu software dirancang sebagai berikut.
Struktur layar utama
Gambar ini menjelaskan struktur layar utama terdapat menu file yang berfungsi untuk membuka sub menu training data, membuka submenu recognize data, dan juga dapat melakukan pengaturan program pada layar settings serta dapat melihat profile pada menu about. Struktur menu file
Gambar tersebut menjelaskan struktur layar menu file yang terdapat pilihan untuk melakukan training data dan juga recognize data.
49
Struktur layar Training
Gambar diatas menjelaskan bagian struktur utama dari program yang sekaligus merupakan layar untuk melakukan training data. Pada layar ini terdapat sub menu file yang dapat dipilih yaitu save, load, new file, dan exit.
Struktur layar Recognize
Gambar diatas menjelaskan struktur pada menu recognize. Pada layar ini, user dapat melakukan prediksi penyakit obesitas dengan data yang telah diinput dalam proses training.
50
Struktur Menu Settings
Struktur Menu About
51
3.3.2
•
Perancangan program
Use Case Diagram
Membuka(load) file training Memasukan data training Melakukan training Menyimpan(save) file training Merubah settings program
Melakukan prediksi Obesitas
Keluar dari program
52
•
Flowchart
53
•
Sequance diagram Sequance diagram menjelaskan mengenai aliran data atau program yang
diproses oleh sistem. Gambar berikut menggambarkan urutan kejadian interaksi pengguna aplikasi
Program apilkasi User Buat file training
3.3.3
Lakukan setting program
File training dibuat
Input data training
Setting tersimpan
Save hasil training
Data train diinput
Lakukan prediksi
Hasil train disimpan
Tampilkan hasil prediksi
Program memprediksi
Rancangan Tampilan Layar Program dibuat dengan menggunakan 4 layar antarmuka, antara lain: Layar Training Layar Recognize Layar Setting Layar About
54
A. Layar Training Layar Training berfungsi sebagai layar utama pada program yang berisikan beberapa form untuk memasukkan data client dan bukan penderita penyakit obesitas.Selain form tersebut, terdapat pula tombol untuk melatih dan menyimpan data hasil pelatihan.Jika tombol train data ditekan, maka program akan melakukan perhitungan(training) dengan data yang diinput menggunakan file latihan yang harus dibuat sebelumnya.
Training Umur
Ukuran Lingkar Paha
Jenis Kelamin
Ukuran Lingkar Perut
Indeks Massa tubuh
Ukuran Pinggul Atas
Ukuran Pinggang
Ukuran Lingkar Perut Bawah
Ukuran Lingkar Lengan Atas
Hasil Diagnosa
Train data
B. Rancangan Layar Settings Layar settings berisikan form untuk memasukkan faktor perhitungan yang akan
digunakan
untuk
perhitungan
menggunakan
metode
backpropagation, yaitu epoch maksimum dan tingkat kesalahan(error) yang diinginkan
55
Settings
Max epoch Desired Error Rate
Save
C. Rancangan Layar Recognize Layar Recognize berisikan form-form untuk memasukkan data client yang bertujuan memprediksi ada atau tidaknya penyakit obesitas. Pada layar ini, jika tombol Recognize ditekan, program akan menampilkan hasil prediksi berdasarkan data yang telah diinput dan menampilkan hasilnya. Untuk melakukan perhitungan user harus membuat ataupun membuka file latihan dahulu. Recognize
Umur
Ukuran Lingkar Paha
Jenis kelamin
Ukuran Lingkar Perut
Indeks Massa Tubuh
Ukuran Pinggul Atas
Ukuran Pinggang
Ukuran Lingkar Perut Bawah
Ukuran Lingkar Tangan Atas
Hasil diagnose
Recognize
56
D. Rancangan Layar About
About Program Aplikasi Prediksi Penyakit Obesitas Dengan Menggunakan Jaringan Syaraf Tiruan Metode Backpropagation Henry Reynold 1000857235 Pembimbing : D0434 Haryono Soeparno, Ir., M.Sc., Dr. D0225 Wikaria Gazali, S.Si,. MT
