^/^d D ^/&/< ^/ ^d dh^ '/ / z/ E' E D dK < r E Z ^d E ...repository.ub.ac.id/56/1/Putri, Nanda Epriliana Asmara.pdf · iv KATA PENGANTAR Puji syukur kehadirat Tuhan

SKRIPSI

KEMINATAN TEKNIK KOMPUTER

Untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Komputer

Disusun oleh:

Nanda Epriliana Asmara Putri NIM: 135150301111059

PROGRAM STUDI TEKNIK KOMPUTER JURUSAN TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER UNIVERSITAS BRAWIJAYA

MALANG 2017

ii

PENGESAHAN

SISTEM KLASIFIKASI STATUS GIZI BAYI DENGAN METODE K-NEAREST NEIGHBOR BERBASIS SISTEM EMBEDDED

SKRIPSI

KEMINATAN TEKNIK KOMPUTER

Diajukan untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Komputer

Disusun Oleh : Nanda Epriliana Asmara Putri

NIM: 135150301111059

Skripsi ini telah diuji dan dinyatakan lulus pada 27 April 2017

Telah diperiksa dan disetujui oleh:

Dosen Pembimbing I

Dahnial Syauqy, S.T., M.T., M.Sc. NIK: 201607 870423 1 002

Dosen Pembimbing II

Mochammad Hannats Hanafi l., S.ST, M.T NIK . 201405 881229 1 001

Mengetahui Ketua Jurusan Teknik Informatika

Tri Astoto Kurniawan, S.T, M.T, Ph.D NIP. 19710518 200312 1 001

iii

PERNYATAAN ORISINALITAS

Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan saya, di dalam naskah skripsi ini tidak terdapat karya ilmiah yang pernah diajukan oleh orang lain untuk memperoleh gelar akademik di suatu perguruan tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis disitasi dalam naskah ini dan disebutkan dalam daftar pustaka.

Apabila ternyata didalam naskah skripsi ini dapat dibuktikan terdapat unsur-unsur plagiasi, saya bersedia skripsi ini digugurkan dan gelar akademik yang telah saya peroleh (sarjana) dibatalkan, serta diproses sesuai dengan peraturan perundang-undangan yang berlaku (UU No. 20 Tahun 2003, Pasal 25 ayat 2 dan Pasal 70).

Malang, 27 April 2017

Nanda Epriliana Asmara Putri

NIM: 135150301111059

iv

KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan Rahmat, Taufik, Hidayah serta Inayah- Sistem Klasifikasi Status Gizi Bayi dengan Metode K-Nearest Neighbor Berbasis Sistem Embedded

Banyak kesulitan dan hambatan yang dialami oleh penulis dalam penyusunan skripsi ini, tetapi semua itu dapat di atasi dengan baik berkat dukungan dan bantuan dari berbagai pihak. Oleh karena itu, penulis ingin menyampaikan rasa hormat dan terima kasih kepada:

1. Kedua Orang Tua dan seluruh keluarga besar atas segala nasehat, kasih sayang dan kesabaran dalam membesarkan dan mendidik penulis, serta senantiasa tiada hentinya memberikan doa dan semangat demi terselesaikannya skripsi ini.

2. Bapak Wayan Firdaus Mahmudy, S.Si, M.T, Ph.D. selaku Dekan Fakultas Ilmu Komputer Universitas Brawijaya Malang.

3. Bapak Heru Nurwarsito, Ir., M. Kom. selaku Wakil Ketua I Bidang Akademik Fakultas Ilmu Komputer Universitas Brawijaya Malang.

4. Bapak Tri Astoto Kurniawan, S.T, M.T, Ph.D selaku Ketua Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Brawijaya Malang..

5. Bapak Sabriansyah Rizqika Akbar, S.T, M.Eng. selaku Ketua Program Studi Teknik Komputer Universitas Brawijaya Malang.

6. Bapak Dahnial Syauqy, S.T., M.T., M.Sc. dan Bapak Mochammad Hannats Hanafi l., S.ST, M.T selaku dosen pembimbing skripsi penulis yang dengan sabar membimbing dan mengarahkan penulis sehingga dapat menyelesaikan skripsi ini.

7. Seluruh civitas akademika Fakultas Ilmu Komputer Universitas Brawijaya yang telah banyak memberi bantuan dan dukungan selama penyelesaian skripsi ini.

8. Fauzi Rivani, Kontrakan Ceria dan teman-teman Teknik Komputer angkatan 2013 yang selalu mendukung dan berbagi ilmu dari awal perkuliahan sampai tahap akhir penyelesaian skripsi dan semua pihak yang telah membantu terselesaikannya skripsi ini yang tidak dapat penulis sebutkan satu per satu.

Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari sempurna, sehingga untuk degala saran dan kritik yang membangun penulis ucapkan terimakasih. Akhir kata penulis berharap skripsi ini dapat membawa manfaat bagi semua pihak yang menggunakannya.

Malang, 27 April 2017

Penulis

[email protected]

v

ABSTRAK

Status gizi bayi sangat penting untuk diketahui orang tua, karena masih banyak ditemukan kasus kekurangan gizi balita di Indonesia yang tak kunjung hilang. Hal ini perlu diperhatikan karena dengan melihat kondisi fisik saja tidak cukup untuk mengetahui status gizi bayi tersebut termasuk gizi buruk, kurang, baik, atau lebih. Berdasarkan permasalahan tersebut, dibuatlah sistem klasifikasi status gizi bayi dengan metode K-Nearest Neighbor berbasis sistem embedded berdasarkan parameter jenis kelamin, umur, dan berat badan dari bayi. Pemilihan nilai parameter K yang akan diterapkan pada metode perlu adanya pencarian nilai dengan uji coba terlebih dahulu agar mendapatkan hasil nilai K terbaik untuk diterapkan pada sistem. Untuk pembacaan data berat menggunakan rangkaian dengan satu modul HX711, satu sensor load cell, yang dihubungkan dengan NodeMCU ESP8266 agar hasil pembacaan sensor dapat dikirim secara wireless ke komputer/PC yang akan digunakan sebagai parameter pengklasifikasian. Masukan data berupa jenis kelamin dan umur juga dibutuhkan untuk pengklasifikasian, sehingga jika ketiga parameter sudah terpenuhi hasil status gizi dapat langsung ditampilkan dengan menekan tombol Lihat Hasil. Selanjutnya semua data yang ditampilkan pada web dapat disimpan ke dalam basis data sehingga bisa digunakan untuk arsip data. Dari analisis yang dilakukan, didapatkan kesimpulan bahwa pengujian fungsional pada sensor berat memiliki persentase akurasi sebesar 96,95%, sedangkan pengujian fungsional penyimpanan basis data memliki persentase kesesuaian 100%. Untuk pengujian pencarian nilai K didapatkan persentase akurasi tertinggi ketika K=5 dan k=6 dengan besar persentase 62,50%. Sedangkan pengujian keseluruhan sistem klasifikasi status gizi bayi menghasilkan akurasi sebesar 94,5%.

Kata kunci: Load cell, NodeMCU ESP8266, status gizi, K-Nearest Neighbor.

vi

ABSTRACT

Infant nutritional status is very important to be known by the parents, because there are still many malnutrition cases of children under five in Indonesia that is unsolved. It needs to be considered because by looking at the physical condition is not enough to consider the nutritional status of the baby including malnutrition. Based on these problems, a system of infant nutrition status has been made using K-Nearest Neighbor method based on embedded system using gender, age and body weight parameters of infant. The value of K that would be applied to the method needs to be tested to get the best value of K for the system. For readings body weight using a HX711 circuit module, a load cell sensor, connected to NodeMCU ESP8266 in order to send the data wirelessly to a computer / PC as a classifier parameter. The input are gender and age as requiredment for classification, if all three parameters are met the nutritional status can be displayed on web and saved in database as the archieve. From the analysis that has conducted, it can be concluded that the functional testing on the weight sensor has 96.95% accuracy, while the functional testing of basis data storage has 100% conformity. K value has the highest percentage of accuracy when K = 5 and k = 6 with 62.50%. While overall testing of the baby's nutritional status classification system yielded 94.5% accuracy. Keywords: Load cell, NodeMCU ESP8266, nutritional status, K-Nearest Neighbor.

vii

DAFTAR ISI

PENGESAHAN ........................................................................................................... ii

PERNYATAAN ORISINALITAS ................................................................................... iii

KATA PENGANTAR ................................................................................................... iv

ABSTRAK ................................................................................................................... v

ABSTRACT ................................................................................................................ vi

DAFTAR ISI .............................................................................................................. vii

DAFTAR TABEL .......................................................................................................... x

DAFTAR GAMBAR .................................................................................................... xi

DAFTAR LAMPIRAN ............................................................................................... xiii

BAB 1 PENDAHULUAN ............................................................................................. 1

1.1 Latar belakang ........................................................................................ 1

1.2 Rumusan masalah .................................................................................. 2

1.3 Tujuan .................................................................................................... 3

1.4 Manfaat .................................................................................................. 3

1.5 Batasan masalah .................................................................................... 3

1.6 Sistematika pembahasan ....................................................................... 3

BAB 2 LANDASAN KEPUSTAKAAN ........................................................................... 5

2.1 Tinjauan pustaka .................................................................................... 5

2.2 Dasar teori.............................................................................................. 6

2.2.1 Jenis timbangan badan ................................................................. 7

2.2.2 Sensor pengukuran berat .............................................................. 8

2.2.3 Modul HX711................................................................................. 9

2.2.4 NodeMCU ESP8266 ....................................................................... 9

2.2.5 Status gizi .................................................................................... 10

2.2.6 Metode K-Nearest Neighbor ....................................................... 10

2.2.7 Aplikasi server ............................................................................. 11

2.2.8 Database MySQL ......................................................................... 12

BAB 3 METODOLOGI ............................................................................................. 13

3.1 Studi literatur ....................................................................................... 14

3.2 Analisis kebutuhan sistem ................................................................... 14

viii

3.2.1 Kebutuhan perangkat keras ........................................................ 15

3.2.2 Kebutuhan perangkat lunak ........................................................ 16

3.3 Perancangan sistem ............................................................................. 16

3.4 Implementasi sistem ............................................................................ 17

3.5 Pengujian sistem .................................................................................. 17

3.5.1 Pengujian fungsional sistem ....................................................... 18

3.5.2 Pengujian nilai K terhadap status gizi bayi .................................. 18

3.5.3 Pengujian sistem klasifikasi status gizi bayi ................................ 18

3.6 Kesimpulan ........................................................................................... 19

BAB 4 Rekayasa Kebutuhan .................................................................................. 20

4.1 Deskripsi umum ................................................................................... 20

4.1.1 Perspektif sistem ......................................................................... 20

4.1.2 Karakteristik pengguna ............................................................... 20

4.1.3 Lingkungan operasi sistem .......................................................... 20

4.1.4 Batasan sistem ............................................................................ 20

4.1.5 Asumsi dan ketergantungan ....................................................... 21

4.2 Rekayasa kebutuhan ............................................................................ 21

4.2.1 Kebutuhan antarmuka ................................................................ 21

4.2.2 Kebutuhan perangkat keras ........................................................ 22

4.2.3 Kebutuhan perangkat lunak ........................................................ 22

4.2.4 Kebutuhan fungsional ................................................................. 23

4.2.5 Kebutuhan non fungsional .......................................................... 24

4.2.6 Kebutuhan performansi sistem ................................................... 25

BAB 5 PERANCANGAN DAN IMPLEMENTASI ........................................................ 27

5.1 Perancangan sistem ............................................................................. 27

5.1.1 Perancangan perangkat keras ..................................................... 27

5.1.2 Perancangan perangkat lunak..................................................... 30

5.2 Implementasi sistem ............................................................................ 39

5.2.1 Implementasi pada perangkat keras ........................................... 39

5.2.2 Implementasi pada perangkat lunak .......................................... 41

BAB 6 PENGUJIAN DAN ANALISIS .......................................................................... 47

6.1 Pengujian fungsional sistem ................................................................ 47

ix

6.1.1 Pengujian perangkat keras .......................................................... 47

6.1.2 Pengujian penyimpanan data ..................................................... 51

6.2 Pengujian nilai K terhadap data status gizi bayi .................................. 54

6.3 Pengujian sistem klasifikasi status gizi bayi ......................................... 57

BAB 7 PENUTUP .................................................................................................... 62

7.1 Kesimpulan ........................................................................................... 62

7.2 Saran .................................................................................................... 63

DAFTAR PUSTAKA .................................................................................................. 64

LAMPIRAN A HASIL PENGUJIAN NILAI K ............................................................... 66

x

DAFTAR TABEL

Tabel 2.1 Perbedaan sistem yang dibuat dengan referensi penelitian .................. 6

Tabel 4.1 Kebutuhan Perangkat Keras .................................................................. 22

Tabel 4.2 Kebutuhan Perangkat Lunak ................................................................. 23

Tabel 5.1 Keterangan sensor load cell dengan HX711 .......................................... 28

Tabel 5.2 Keterangan pin modul HX711 dengan NodeMCU ESP8266 .................. 29

Tabel 6.1 Hasil perbandingan pengujian berat menggunakan timbangan manual dengan sensor berat ............................................................................. 50

Tabel 6.2 masukan informasi data pada sistem untuk pengujian basis data ....... 51

Tabel 6.3 Hasil pengamatan kesesuaian data masukan dengan data pada basis data sistem .................................................................................................... 54

Tabel 6.4 Data masukan pada sistem untuk pengujian nilai K ............................. 55

Tabel 6.5 Jumlah nilai keakurasian dari masing-masing nilai K ............................ 57

Tabel 6.6 Hasil pengamatan dari pengujian keseluruhan sistem ......................... 60

xi

DAFTAR GAMBAR

Gambar 2.1 Timbangan berat badan manual ......................................................... 7

Gambar 2.2 Timbangan berat badan digital ........................................................... 8

Gambar 2.3 Sensor load cell ................................................................................... 8

Gambar 2.4 Modul HX711 ....................................................................................... 9

Gambar 2.5 NodeMCU ESP8266 ........................................................................... 10

Gambar 2.6 XAMPP ............................................................................................... 12

Gambar 3.1 Alur metode penelitian ..................................................................... 13

Gambar 3.2 Analisis kebutuhan sistem ................................................................. 15

Gambar 3.3 Diagram Blok Sistem ......................................................................... 16

Gambar 4.1 Buku SK Antropometri pengklasifikasian status gizi berdasarkan BB/U untuk anak Laki-laki ........................................................................... 24

Gambar 4.2 Buku SK Antropometri pengklasifikasian status gizi berdasarkan BB/U untuk anak Perempuan ..................................................................... 25

Gambar 5.1 Pohon perancangan sistem ............................................................... 27

Gambar 5.2 Perancangan rangkaian elektronika perangkat keras ....................... 28

Gambar 5.3 Perancangan purwarupa ................................................................... 29

Gambar 5.4 Flowchart proses klasifikasi metode K-Nearest Neighbor ................ 31

Gambar 5.5 Peta perancangan perangkat lunak untuk tampilan antarmuka ...... 32

Gambar 5.6 Perancangan desain web perangkat lunak tampilan menu login ..... 32

Gambar 5.7 Perancangan desain web perangkat lunak tampilan menu .............. 33

Gambar 5.8 Perancangan desain web pada menu Input Data Uji ........................ 34

Gambar 5.9 Perancangan desain web pada sub menu Input Data Latih.............. 35

Gambar 5.10 Perancangan desain web pada sub menu Lihat Data Uji ................ 36

Gambar 5.11 Perancangan desain web pada sub menu Lihat Data Latih ............ 36

Gambar 5.12 Perancangan desain web pada sub menu Profil Admin ................. 37

Gambar 5.13 Perancangan desain web pada sub menu Edit Profil Admin .......... 38

Gambar 5.14 Perancangan basis data sistem klasifikasi status gizi bayi .............. 38

Gambar 5.15 Alur implementasi sistem ............................................................... 39

Gambar 5.16 Purwarupa untuk pembacaan nilai berat tampak samping ............ 40

Gambar 5.17 Purwarupa untuk pembacaan nilai berat tampak atas................... 40

xii

Gambar 5.18 Kode program pembacaan sensor berat ........................................ 41

Gambar 5.19 Kode program untuk mengirim hasil pembacaan sensor ke komputer/PC ............................................................................... 42

Gambar 5.20 Kode program untuk koneksi perangkat keras dan perangkat lunak sistem .............................................................................................. 42

Gambar 5.21 IP modul ESP8266 pada serial monitor ........................................... 43

Gambar 5.22 Penambahan IP modul wireless pada program PHP ...................... 43

Gambar 5.23 Kode program proses klasifikasi ketika menghitung jarak Euclidian ........................................................................................................ 44

Gambar 5.24 Kode program proses klasifikasi ketika mengambil data sebanyak nilai K .............................................................................................. 44

Gambar 5.25 Kode program proses klasifikasi ketika mencari peluang data yang paling banyak muncul ..................................................................... 45

Gambar 5.26 Tampilan antarmuka sub menu Input Data Uji ............................... 46

Gambar 6.1 Pengukuran berat objek menggunakan timbangan manual ............ 48

Gambar 6.2 Pengukuran berat menggunakan sensor berat ................................ 48

Gambar 6.3 hasil pembacaan berat dari sensor berat ......................................... 49

Gambar 6.4 Pengukuran berat objek lain menggunakan timbangan manual ...... 49

Gambar 6.5 Pengukuran berat menggunakan sensor berat ................................ 50

Gambar 6.6 hasil pembacaan berat dari sensor berat ......................................... 50

Gambar 6.7 Pengujian basis data dengan masukan informasi data pada sub menu Input Data Uji ..................................................................................... 52

Gambar 6.8 Tampilan basis data pada sistem sub menu Lihat Data Uji............... 53

Gambar 6.9 Pengujian basis data dengan masukan informasi data pada sub menu Input Data Latih ................................................................................. 53

Gambar 6.10 Tampilan basis data pada sistem sub menu Lihat Data Latih ......... 54

Gambar 6.11 Uji coba nilai K=1 ............................................................................. 56

Gambar 6.12 Contoh pengujian keseluruhan sistem............................................ 59

Gambar 6.13 Tampilan basis data pada sistem sub menu Lihat Data Uji ............ 59

xiii

DAFTAR LAMPIRAN

LAMPIRAN A HASIL PENGUJIAN NILAI K ............................................................... 66

1

BAB 1 PENDAHULUAN

1.1 Latar belakang

Status gizi bayi merupakan hal penting yang seharusnya diketahui oleh semua orang khususnya orang tua. Hal ini perlu di perhatikan, karena dengan hanya mengetahui perkembangan bayi berdasarkan fisik saja tidak cukup untuk mengetahui gizi dari bayi tersebut cukup atau berlebih (Harper LJ, 1986). Semestinya orang tua perlu memperhatikan lebih jauh mengenai perkembangan bayi yang mana didasarkan fakta bahwa kekurangan gizi pada masa ini tak kunjung hilang. Berdasarkan bukti data tahun 2015 memperlihatkan 185 balita di tiap provinsi di Indonesia mengalami kekurangan gizi, dan diantaranya mengalami gizi buruk (Direktorat Bina Gizi, 2016). Untuk menghilangkan kasus gizi buruk di Indonesia perlu adanya pendeteksi status gizi balita yang terpantau. Status gizi perlu diperhatikan karena berkaitan dengan perkembangan tubuh. Maka dari itu perlu adanya pemantauan mengenai status gizi agar dapat terus memantau kebutuhan zat gizi yang harus terpenuhi hingga mencapai status gizi optimal. Sehingga bayi dapat beraktivitas normal dan mempunyai kualitas kehidupan yang baik (Kresnawan, 2016).

Umur mempengaruhi perkembangan pada berat badan. Karena semakin bertambahnya umur, nilai berat badan semakin meningkat (Latulumamna, 2013). Dari yang diketahui, manusia terdiri dari dua jenis kelamin yaitu laki-laki dan perempuan. Perbedaan berat badan keduanya sangat berbeda meskipun memiliki umur yang sama. Maka dari itu hubungan antara ketiganya sangat erat yang tidak akan bisa dipisahkan. Dipaparkan pada buku Antropometri mengenai pengklasifikasian kategori status gizi anak menggunakan indeks berupa berat badan berdasarkan umur. Namun yang diketahui bahwa berat badan laki-laki dan perempuan mempunyai selisih berat yang signifikan, sehingga untuk pengklasifikasian status gizi dibutuhkan 3 parameter berupa umur, jenis kelamin, dan berat badan yang didasarkan sumber dari buku Antropometri (Kementerian Kesehatan RI, 2010).

Pada solusi sebelumnya terdapat penelitian yang melibatkan perangkat keras berupa meteran autoroll dan sensor optocoupler. Data pembacaannya ditampilkan dalam bentuk grafik dan disimpan ke basis data (Nurchasanah, 2016). Kekurangan pada penelitian ini yaitu tidak ada pemantauan mengenai status gizi bayi karena penelitian ini hanya difokuskan untuk pemantauan tumbuh kembang bayi berdasarkan panjang badan dan lingkar kepala. Referensi penelitian lainnya berupa alat pengukur tinggi dan berat badan yang hasilnya ditampilkan pada layar LCD dengan ukuran 16x2 centimeter (Khoiruddin, 2015). Kekurangan penelitian ini yaitu hasil ukur hanya dapat dilihat sekali saja pada saat waktu pengukuran, karena penelitian ini tidak menggunakan basis data untuk penyimpanan hasil data ukur. Solusi yang pernah ada lainnya yaitu sistem klasifikasi gizi berat dengan menggunakan IMT dan umur sebagai parameternya yang didasarkan pada buku

2

Antropometri (Hasani, 2015). Namun solusi ini memiliki kekurangan, karena tidak adanya implementasi pada perangkat keras.

Metode K-Nearest Neighbor merupakan metode untuk pengklasifikasian data yang menggunakan metode pendekatan untuk mencari suatu kasus dengan cara menghitung jarak antara data uji dan data latih, berdasarkan parameter dengan menggunakan perhitungan Euclidean. Prinsip kerja metode ini yaitu ketika jarak antar data sudah didapat, data akan diurutkan dan dikelompokkan berdasarkan jarak terkecil hingga terbesar sebanyak nilai K. Data dengan peluang muncul paling banyak, dijadikan hasil dari pengklasifikasian gizi. Metode ini sering digunakan untuk kasus pengklasifikasian data. Sehingga metode ini cocok untuk diterapkan dalam pengklasifikasian status gizi bayi.

Dari latar belakang masalah yang muncul dengan solusi yang pernah ada, salah satu solusi pengembangan untuk mengatasi permasalahan di atas yaitu dengan membuat suatu sistem pengklasifikasian status gizi bayi dengan parameter jenis kelamin, umur, dan berat badan dari bayi yang didasarkan pada buku Antropometri. Sistem ini mampu melakukan pemantauan perkembangan status gizi melalui sistem dengan implementasi perangkat keras. Perbedaan penelitian usulan ini dengan solusi yang pernah ada sebelumnya yaitu penelitian ini difokuskan untuk memantau perkembangan bayi berdasarkan status gizi dengan pengambilan parameter pengklasifikasian berupa hasil nilai berat yang didapatkan dari rangkaian perangkat keras, dan masukan data berupa jenis kelamin dan umur.

Prinsip kerja sistem ini dapat mengetahui hasil status gizi bayi ketika data hasil pengukuran berat badan yang sudah didapatkan dari sensor berat langsung diolah dan dikirimkan mikrokontroler ke Komputer/PC secara wireless. Kemudian pengguna memasukkan data berupa jenis kelamin dan umur bayi. Selanjutnya, ketika ketiga parameter pengklasifikasian telah terpenuhi, sistem langsung dapat mengklasifikasikan gizi bayi dengan menggunakan metode klasifikasi K-Nearest Neighbor. Sehingga sistem mampu menampilkan hasil status gizi berupa gizi buruk, kurang, baik, atau lebih pada antarmuka sistem. Kemudian data masukan serta hasil pengklasifikasian dapat disimpan ke basis data.

1.2 Rumusan masalah

Dari latar belakang di atas didapat rumusan masalah sebagai berikut:

1. Bagaimana menerapkan perangkat keras dan perangkat lunak sistem klasifikasi status gizi berdasarkan jenis kelamin, umur dan berat badan?

2. Bagaimana cara mencari nilai K terbaik untuk dapat diterapkan pada metode K-Nearest Neighbor?

3. Bagaimana mengimplementasikan metode K-Nearest Neighbor dan mencari akurasi pada sistem klasifikasikan status gizi?

3

1.3 Tujuan Penelitian yang dilakukan ini bertujuan sebagai berikut :

1. Bertujuan untuk membuat sistem klasifikasi status gizi bayi berdasarkan parameter jenis kelamin, umur dan berat badan berupa perangkat keras dan perangkat lunak.

2. Melakukan pengujian untuk mencari nilai K terbaik yang akan diterapkan pada metode K-Nearest Neighbor.

3. Menerapkan metode klasifikasi K-Nearest Neighbor dan mencari tingkat akurasi pada sistem klasifikasi status gizi bayi.

1.4 Manfaat Penelitian ini akan memberikan beberapa manfaat sebagai berikut :

1. Membuat sistem klasifikasi status gizi bayi berdasarkan jenis kelamin, umur, dan berat badan menggunakan metode klasifikasi K-Nearest Neighbor berbasis sistem embedded.

2. Mempermudah paramedis (bidan, perawat, dan kader posyandu) dalam pengambilan data saat pengukuran perkembangan pada bayi.

3. Menjadi telaah penelitian selanjutnya untuk mengembangkan alat ukur pada dunia medis.

1.5 Batasan masalah Supaya topik bahasan tidak meluas dan terfokus pada sistem, maka diberi

beberapa batasan masalah yaitu: 1. Sensor load cell membaca data berat dengan satuan kilogram. 2. Sistem mengklasifikasikan gizi bayi berdasarkan parameter jenis kelamin,

umur, dan berat badan. 3. Sistem diperuntukkan bayi dengan maksimal umur 36 bulan. 4. Sistem yang diterapkan berupa purwarupa.

1.6 Sistematika pembahasan Sistematika pembahasan dari penelitian ini dpat direncanakan sebagai berikut:

BAB 1 PENDAHULUAN

Pada pendahuluan menjabarkan tentang latar belakang, rumusan masalah, tujuan, manfaat, batasan masalah dan sistematika pembahasan dari perancangan sistem.

BAB 2 LANDASAN KEPUSTAKAAN

Berisikan penjabaran tentang tinjauan pustaka dan beberapa teori yang berhubungan dengan penyusunan perancangan yang hampir sama dengan Sistem Klasifikasi Status Gizi Bayi Dengan Metode K-Nearest Neighbor Berbasis Sistem Embedded.

4

BAB 3 METODE PENELITIAN

Bab ini menjabarkan beberapa langkah kerja yang akan dilakukan dalam penelitian diantaranya, alur metodologi penelitian, studi literatur, analisis kebutuhan, perancangan, implementasi, pengujian serta analisis sistem, dan kesimpulan.

BAB 4 PERSYARATAN

Bab ini meliputi deskripsi umum dari sistem dan rekayasa kebutuhan dari Sistem Klasifikasi Status Gizi Bayi Dengan Metode Klasifikasi K-Nearest Neighbor Berbasis Sistem Embedded.

BAB 5 PERANCANGAN DAN IMPLEMENTASI

Bab ini menjabarkan tentang perancangan serta implementasi sistem penelitian, berupa implementasi pada perangkat keras dan lunak.

BAB 6 PENGUJIAN DAN ANALISIS

Bab ini menjabarkan tentang beberapa pengujian yang telah dilakukan dan analisis berdasakan hasil pengujian.

BAB 7 PENUTUP

Bab ini menjabarkan mengenai kesimpulan dan saran yang diperoleh dari rumusan masalah dengan melakukan pengujian dan analisis pengujian.

5

BAB 2 LANDASAN KEPUSTAKAAN

Bab ini berisikan beberapa penelitian dan teori yang mempunyai keterkaitan dengan penelitian yang diusulkan. Tinjauan pustaka ini membahas penelitian yang sudah ada sebelumnya dan berkaitan dengan penelitian yang dibuat, sedangkan dasar teori membahas berbagai teori yang diperlukan untuk menyusun penelitian yang dibuat.

2.1 Tinjauan pustaka Penelitian yang dilakukan oleh Eliana Putri Nurchasanah (Nurchasanah,

2016) mengenai pemantauan tumbuh kembang bayi menggunakan meteran ukur wireless yang digunakan untuk pengukuran lingkar kepala dan panjang badan bayi berbasis arduino dan NRF24L01. Penelitian ini menggunakan sensor optocoupler, modul wireless NRF24L01, dan mikrokontroler arduino pro mini, yang mana untuk pengukuran panjang badan dan lingkar kepalanya menggunakan sensor optocoupler dengan pembacaan data menggunakan meteran autoroll yang di lubangi tiap satu centimeter. Pada optocoupler terdapat receiver dan transmitter, ketika diantara keduanya dilewati oleh meteran autoroll pada posisi lubang maka akan berlogika low yang berarti sistem membaca 1cm begitu seterusnya jika melewati lubang akan increment nilai pengukuran datanya, sebaliknya jika keduanya terhalangi oleh meteran yang tidak lubangi maka berlogika high yang berarti sistem tidak increment nilai pengukuran datanya. Nilai data yang didapatkan melalui sensor, dikirim oleh modul wireless dari transmitter ke receiver dan kemudian komputer menyimpan hasil ke basis data dan ditampilkan dalam aplikasi delphi yang menampilkan datanya berupa grafik. Hasil pengujian yang didapatkan, meteran wireless ini mampu menghasilkan data yang akurat dalam bentuk grafik dan penyimpanan pada basis data.

Selain itu terdapat sebuah penelitian mengenai alat pengukur tinggi dan berat badan digital yang penerapannya menggunakan sensor ultrasonik untuk pengukuran tinggi badan, sensor load cell untuk pengukuran berat badan, dan LCD 16x2 untuk menampilkan hasil pengukuran (Khoiruddin, 2015). Aat ukur ini di uji coba terlebih dahulu kepada 5 kelompok responden yang menghasilkan persentase validasi dari ahli materi sebesar 91,6%, dari ahli media 84,21%, respon uji coba lapangan dari segi materi sebesar 86,67% sedangkan dari segi desain alat ukur sebesar 91,25% , Sehingga dapat disimpulkan, bahwa pengembangan alat pengukur untuk tinggi dan berat badan digital yang terintregrasi dikatakan layak untuk digunakan dalam tes pengukuran tinggi dan berat badan.

Adapula sebuah penelitian yang mengangkat judul tentang pengklasifikasian status gizi berat pada mahasiswa menggunakan K-Nearest Neighbor (Hasani, 2015). Penelitian ini menggunakan target mahasiswa, karena kebanyakan mereka terlalu disibukan dengan berbagai urusan perkuliahan dan kegiatan sehari-hari, sehingga mengindikasikan bahwa mahasiswa tersebut kurang memperhatikan

6

asupan gizi untuk tubuhnya, yang dapat mengakibatkan kekurangan atau bahkan kelebihan gizi yang bisa berpengaruh terhadap kesehatannya. Untuk pengklasifikasian status gizinya menggunakan IMT yang membutuhkan dua parameter berupa berat badan (kg) dibagi dengan parameter tinggi badan (m2). Pengumpulan data latih menggunakan hasil quisioner dari 254 sampel data mahasiswa aktif. Untuk mengetahui hasil status gizi dari data sampel yang sudah diambil, menggunakan nilai standar IMT untuk orang Asia. Dalam penerapan K-Nearest Neighbor pada penelitian ini menggunakan perhitungan Euclidean terhadap 10 data sampel mahasiswa yang diambil melalui hasil quisioner. Penentuan nilai K langsung ditetapkan yaitu sebesar 5, sehingga diperoleh nilai keakuratan sistem klasifikasi gizi sebesar 100%.

Berdasarkan penelitian-penelitian di atas, diketahui bahwa pengembangan alat ukur untuk mengetahui perkembangan bayi telah pernah dilakukan. Sama halnya sensor load cell yang sering digunakan untuk pengukuran berat pada suatu objek dan juga beberapa pengklasifikasian menggunakan metode K-Nearest Neighbor. Sedangkan dalam penelitian yang dilakukan dalam laporan ini mengetahui perkembangan bayi dengan cara pemantauan status gizi yang terfokus kepada pengklasifikasian status gizi bayi dengan menggunakan metode K-Nearest Neighbor berdasarkan parameter jenis kelamin, umur, dan berat badan bayi berbasis sistem embedded. Perbedaan penelitian dijabarkan pada Tabel 2.1.

Tabel 2.1 Perbedaan sistem yang dibuat dengan referensi penelitian No Judul Penelitian Perbedaan

1 Meteran Ukur Wireless Untuk Panjang Badan dan Lingkar Kepala Bayi Berbasis Arduino dan NRF24L01.

Pemantauan bayi hanya pada tumbuh kembang panjang badan dan lingkar kepala bayi.

2 Pengembangan Alat Ukur Tinggi Badan dan Berat Badan Digital Yang Terintegrasi.

Penilitian tidak menggunakan basis data untuk penyimpanan hasil pengambilan data yang telah diukur.

3 Klasifikasi Status Gizi Menggunakan K-Nearest Neighbor.

Penelitian ini tidak mengimplementasikan sistem embedded.

2.2 Dasar teori Sub bab ini akan menjabarkan tentang referensi dasar teori sebagai

pengetahuan tentang komponen, teknologi dan teori-teori yang berkaitan dengan tugas akhir yaitu meliputi jenis timbangan badan, sensor pengukuran berat, mikrokontroler, teori mengenai status gizi, metode klasifikasi, dan perangkat lunak yang digunakan.

7

2.2.1 Jenis timbangan badan

Ada beberapa macam jenis timbangan badan yang biasa dijumpai, beberapa jenisnya akan dijabarkan pada penjelasan berikut ini.

2.2.1.1 Timbangan berat badan manual

Timbangan ini termasuk timbangan model lama yang muncul sebelum timbangan digital. Timbangan ini jika dilihat dari bentuk fisiknya terdapat acrylic yang menyerupai layar transparan seperti kaca, jarum yang digunakan untuk menunjukan angka, angka-angka meteran, dan pijakan kaki yang berguna untuk menopang badan yang akan diukur beratnya. Contoh gambar dapat dilihat pada Gambar 2.1.

Gambar 2.1 Timbangan berat badan manual

Sumber: (PasarDino, 2017) Cara penggunaan timbangan manual ini pun sangat mudah, karena pengguna hanya perlu memijakkan kakinya di atas timbangan manual. Kemudian hasil berat badan bisa dilihat pada angka dibawah acrylic, yang memperlihatkan arah jarum ke satu angka pada meteran yang menandakan bahwa angka tersebut merupakan bobot beratnya.

2.2.1.2 Timbangan berat badan digital

Timbangan berat badan jenis digital ini merupakan pengembangan dari timbangan manual, meskipun hampir secara keseluruhan konsep penggunaan dari kedua timbangan ini sama, namun ada beberapa yang membedakan keduanya, contohnya dalam segi menampilkan hasil berat. Pada sisi timbangan manual menampilkannya menggunakan jarum dengan tambahan angka-angka meteran, sedangkan pada sisi lainnya menggunakan layar LCD dengan menampilkan hasil beratnya berupa angka digital. Contoh timbangan digital pada Gambar 2.2.

8

Gambar 2.2 Timbangan berat badan digital

Sumber: (Medika, 2017)

Terdapat bermacam-macam jenis timbangan berat digital yang beredar di pasaran, dan biasanya dikelompokkan berdasarkan pemakainnya. Namun cara penggunaannya kurang lebih sama dengan timbangan digital pada umumnya, dimana untuk melakukan pengukuran berat badan timbangan ini sebelumnya harus dipasang baterai terlebih dahulu untuk sumber daya. Jika sudah terisi baterai, dapat langsung mengukur berat dengan memijakkan kaki pada pijakan kaki yang disediakan dan hasil berat badannya dapat langsung dilihat pada LCD berupa angka digital.

2.2.2 Sensor pengukuran berat

sensor yang digunakan untuk mengukur berat salah satunya ialah load cell yang ditunjukkan pada Gambar 2.3. Tingkat keakurasian sensor ini bergantung dari jenis load cell yang dipakai (Khoiruddin, 2015).

Gambar 2.3 Sensor load cell

Sumber: (JualArduino.com, 2015)

Konsep load cell ini mengubah gaya tekanan ke besaran listrik. Untuk menggunakan load cell ini harus diposisi nilai 0 (nol) untuk mengetahui berapa berat sesungguhnya dalam gram. Agar nilai diposisi 0 (nol) dalam pemrogramannya perlu dikalibrasi terlebih dahulu. Cara kerjanya sama dengan sensor tekanan dengan menggunakan wheatstone untuk pembacaannya. Pada sensor ini keluaran sinyal berupa analog dan sinyal keluarannya lemah, maka dari itu dibutuhkan modul penguat berupa modul HX711 untuk menguatkan keluaran sinyal dan untuk mengkonversi data analog menjadi digital.

9

2.2.3 Modul HX711

HX711 ialah modul timbangan yang cara kerjanya menguatkan tegangan sensor load cell dan mengkonversi hasil sensor dalam besaran listrik melalui rangkaian yang ada (Khakim, 2015). HX711 merupakan modul yang memudahkan untuk membaca hasil data dari sensor berat untuk pengukuran berat. Sensor berat membutuhkan modul HX711 untuk menguatkan hasil sinyal keluaran dari sensor berat dan untuk mengkonversikan hasil data sensor dari analog ke digital, karena sinyal keluaran dari sensor berat berupa analog. Bentuk modul dapat dilihat pada Gambar 2.4.

Gambar 2.4 Modul HX711 Sumber: (Doxygen, 2017)

2.2.4 NodeMCU ESP8266

Mikrokontroler merupakan komputer mikro yang dirancang bertujuan untuk mengatur operasi atau menjadi kontrol pada sistem embedded. Salah satu jenisnya adalah NodeMCU. NodeMCU ini berbasis mudul Wi-Fi ESP8266 sehingga sangat cocok untuk digunakan dalam bidang Internet of Things (IoT). Modul wireless ESP8266 merupakan modul low-cost Wi-Fi dengan dukungan penuh untuk penggunaan protokol TCP/IP (Yuliansyah, 2016). NodeMCU memiliki keunggulan yakni bersifat open source dan penggunaannya ditujukan untuk komponen dalam sistem embedded. NodeMCU ESP8266 yang ditunjukkan pada Gambar 2.5.

10

Gambar 2.5 NodeMCU ESP8266 Sumber: (Kloppenborg, 2017)

Board ini memiliki tegangan 3,3V dan Vin (5V). Untuk menuliskan

pemrogramannya dapat menggunakan arduino IDE dengan menggunakan pemrograman C. Selain itu terdapat banyak library yang dapat digunakan sehingga memudahkan dalam penggunaannnya. Ada juga keunggulan dari board ini yaitu memiliki koneksi USB dengan catu daya eksternal sehingga tidak perlu menggunakan FTDI untuk menyambungkan antara mikrokontroler dengan komputer karena NodeMCU ESP8266 terdapat sambungan USBnya.

2.2.5 Status gizi

Status gizi adalah tolak ukur keadaan tubuh yang dapat dilihat dari pola makanan dan penggunaan zat-zat gizi yang dikonsumsi dalam tubuh. Lingkungan sosial pun dapat mempengaruhi status gizi manusia. Yang mempengaruhi buruk baiknya status gizi adalah makanan yang dikonsumsi dan penyakit infeksi yang mungkin saja diderita oleh sang bayi atau bawaan dari lahir (Briawan, 2010).

Kategori klasifikasi status gizi anak telah ditentukan Kementrian Kesehatan RI menggunakan buku Antropometri dengan status gizi yang didasarkan pada indeks berat badan menurut umur (BB/U) dengan kategori status gizi buruk, kurang, baik, dan lebih (Kementerian Kesehatan RI, 2010).

2.2.6 Metode K-Nearest Neighbor

Merupakan salah satu metode yang bisa digunakan untuk pengklasifikasian data. K-NN merupakan metode pendekatan untuk mencari suatu kasus dengan menghitung kedekatan/jarak antara kasus baru (data uji) dengan kasus lama (data latih) berdasarkan pencocokan bobot nilai dari sejumlah fitur yang ada sehingga metode K- Nearest Neighbor ini membutuhkan data latih terlebih dahulu agar bisa melakukan pengklasifikasian (Hasani, 2015).

11

Perbedaan metode ini dengan yang lain yaitu terdapat K yang harus ditentukan terlebih dahulu nilainya. Nilai K ini merupakan pengelompokan tetangga terdekat dari data uji berdasarkan jarak euclidean terkecil. K-NN dilakukan dengan mencari kelompok K objek pada data latih yang telah dihitung jarak Euclidean terkecil, sehingga jaraknya di ranking sampai dengan jumlah nilai K yang ditetapkan. Kemungkinan hasil yang sering banyak muncul akan ditetapkan sebagai hasil pengklasifikasiannya.

Pengukuran jarak antar data latih dan uji dapat digunakan rumus Euclidean Distance. Didefinisikan jarak antara kedua titik yaitu titik data latih berupa variabel1 dan titik data uji berupa variabel2, dengan menggunakan rumus Euclidean, seperti yang ditunjukkan pada persamaan 2.10. Dengan penjelasan bahwa d merupakan jarak antara titik pada data latih dan titik data uji yang diklasifikasikan, yang mana variabel1 (x1 , y1, ......, n1) merupakan data latih berdasarkan jumlah fitur yang ada. Sedangkan variabel2 (x2 , y2, ......, n2) merupakan data uji berdasarkan jumlah fitur yang ada

Untuk melakukan pengklasifikasian menggunakan metode K-Nearest Neighbor terdapat langkah-langkah pengerjaan yang dapat dilakukan untuk pengklasifikasiannya, dapat dilihat sebagai berikut:

1. Terlebih dahulu tentukan parameter nilai K (jumlah data yang mempunyai jarak Euclidean terkecil dari data uji).

2. Selanjutnya menghitung jarak Euclidean dari data uji berdasarkan data latih yang sudah ada.

3. Urutkan data berdasarkan hasil jarak tersebut dari jarak euclidean terkecil hingga terbesar.

4. Ambil dan buat pengelompokan untuk data pertama hingga data sebanyak K yang ditentukan.

5. Data yang paling sering banyak keluar setelah dikelompokkan dapat diprediksi itulah hasil dari pengklasifikasian.

2.2.7 Aplikasi server

Server dapat dikatakan komputer/PC yang mempunyai fungsi untuk melayani, membatasi, dan mengontrol akses terhadap client dan sumber daya pada suatu jaringan di komputer. Salah satu aplikasi pada komputer/PC yang dapat mengontrol akses adalah XAMPP yang bisa bertindak sebagai server contoh dapat dilihat pada Gambar 2.6. Pada XAMPP terdiri atas program Apache HTTP Sever, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa pemrograman PHP. Yang sering digunakan untuk mengakses web dengan pemrograman PHP yaitu pada menu Apache. Sedangkan untuk basis data dapat menggunakan menu MySQL.

(2.10)

12

Gambar 2.6 XAMPP

2.2.8 Database MySQL

Basis data merupakan kumpulan informasi yang disimpan pada komputer secara sistematik, yang dapat ditampilkan menggunakan suatu program komputer agar dapat memperoleh informasi dari basis data tersebut (Nurchasanah, 2016). Perangkat lunak yang digunakan untuk mengakses dan memanggil query basis data disebut sebagai sistem manajemen basis data (basis data management system, DBMS). Basis data ini sangat penting untuk digunakan karena salah satunya dapat dapat mengorganisasi data dengan baik, sehingga dapat menghidari kesalahan-kesalahan jika ada data yang tidak sesuai.

Terdapat fungsi-fungsi yang dapat ditangani oleh sistem manajemen basis data, seperti halnya dapat menangani permintaan untuk dapat mengakses data, permintaan untuk dapat menambahkan data, permintaan untuk dapat menampilkan data, dan sebagainya. Perangkat lunak basis data yang banyak digunakan dalam pemrograman dan merupakan perangkat basis data salah satunya yaitu MySQL.

MySQL adalah perangkat lunak sistem untuk memanajemen basis data SQL (basis data management system) atau DBMS. SQL merupakan konsep pengoperasian basis data, terutama untuk pemilihan atau seleksi dan pemasukan data, yang memungkinkan pengoperasian data dikerjakan dengan mudah secara otomastis.

13

BAB 3 METODOLOGI

Penelitian tentang sistem klasifikasi status gizi bayi dengan metode pengklasifikasian K-Nearest Neighbor berbasis sistem embedded ini menggunakan metode implementatif. Metode implementatif digunakan karena penelitian ini membahas mengenai implementasi pembacaan nilai data berat badan untuk bayi. Pada bab ini akan menjelaskan studi literatur, analisis kebutuhan sistem, perancangan sistem, implementasi sistem, pengujian sistem, dan kesimpulan dari hasil pengujian sistem. Untuk gambaran umum tahapan-tahapan penelitian dapat dilihat alur metode penelitian pada Gambar 3.1.

Gambar 3.1 Alur metode penelitian

Alur penelitian diawali dengan mencari pokok permasalahan yang akan diangkat menjadi sebuah penelitian, kemudian mencari literatur pendukung untuk bahan acuan melakukan penelitian. Proses selanjutnya yaitu menganalisis kebutuhan untuk melakukan perancangan dan implementasi sistem. Setelah sistem selesai dibuat, dilakukan penelitian untuk menguji apakah hasilnya sesuai dengan yang diinginkan, jika tidak sesuai maka mengulangi proses implementasi sistem, dan jika hasil yang didapatkan sesuai maka dapat ditarik beberapa kesimpulan dan saran dari penelitian tersebut.

Mulai

Mencari pokok permasalahan

Mencari literatur pendukung

Analisis kebutuhan

sistem

Implementasi sistem

Pengujian dan analisis

Hasil pengujian

sesuai?

Kesimpulan dan saran

Selesai

Perancangan sistem

Y

T

14

3.1 Studi literatur Studi literatur yang dilakukan bertujuan untuk mengkaji hal-hal yang berhubungan dengan teori-teori yang mendukung dalam perencanaan dan implementasi penelitian ini. Teori pendukung tersebut didapat dari buku, jurnal, paper dan internet. Adapun teori-teori yang dikaji adalah sebagai berikut:

1.) Teori mengenai status gizi. 2.) Cara kerja sensor berat serta modul HX711. 3.) Mikrokontroler NodeMCU ESP8266. 4.) Metode pengklasifikasian K-Nearest Neighbor. 5.) Basis data

3.2 Analisis kebutuhan sistem Analisis kebutuhan akan mengidentifikasi perangkat-perangkat yang akan

digunakan dalam membangun dan mengimplementasikan sistem. Perangkat yang digunakan harus sesuai dengan peran yang akan dijalankan dalam kerja sistem sehingga dapat mempermudah dalam perancangan. Alat dan bahan yang perlu dipersiapkan untuk merealisasikan sistem yang akan dibuat adalah sebagai berikut:

1. Sensor berat dapat digunakan untuk mengukur berat badan. 2. Modul HX711 untuk penguat dan konversi nilai data sensor. 3. NodeMCU ESP8266 sebagai mikrokontroler untuk mengolah data dari

sensor dan mengirimkan data sensor secara wireless ke antarmuka. 4. Web sebagai antarmuka pengguna 5. Basis data untuk menyimpan informasi data bayi. 6. K-Nearest Neighbor metode plengkasifikasian untuk mengklasifikasikan

status gizi bayi.

Analisis kebutuhan sistem, meliputi kebutuhan perangkat lunak dan kebutuhan perangkat keras. Perangkat keras yang dibutuhkan dalam membangun sistem ini mempunyai spesifikasi antara lain sebagai berikut:

1. Perangkat keras yang dapat berfungsi untuk pengambilan data berat menggunakan sensor berat dan modul HX711

2. Perangkat keras berupa mikrokontroler NodeMCU ESP8266 yang dapat mengolah dan mengirimkan secara wireless data hasil pembacaan sensor ke antarmuka.

Sedangkan perangkat lunak yang dibutuhkan dalam membangun sistem ini mempunyai spesifikasi antara lain sebagai berikut:

1. Dapat digunakan untuk membuat program dan dapat di-upload ke Mikrokontroler yang digunakan.

2. Dapat digunakan untuk memasukkan informasi data bayi pada antarmuka pengguna.

15

3. Dapat mengklasifikasikan status gizi berdasarkan parameter jenis kelamin, umur, dan berat badan menggunakan metode K- Nearest Neighbor.

4. dapat menampilkan hasil dari pengukuran dan pengklasifikasian pada antarmuka pengguna.

5. Dapat menyimpan seluruh data ke basis data.

Seperti yang dijelaskan di atas bahwa analisis kebutuhan sistem ini terbagi menjadi dua, yaitu analisis kebutuhan perangkat lunak dan analisis perangkat keras. Kebutuhan dari sistem yang akan dirancang dapat digambarkan melalui pohon analisa kebutuhan sistem yang dapat dilihat pada Gambar 3.2.

3.2.1 Kebutuhan perangkat keras

Perangkat keras ini mendapat daya dari PC/Komputer melalui mikrokontroler NodeMCU ESP8266 yang dihubungkan dengan USB kabel. Pada kebutuhannya perangkat keras, perlu adanya tambahan dua baki yang digunakan sebagai tempat untuk menopang badan bayi yang ingin dibaca nilai berat badannya. Pembacaan sensor akan dilakukan ketika posisi bayi sudah diletakkan di atas baki dengan modifikasi tambahan sensor load cell yang dihubungkan modul HX711 agar lebih mudah untuk membaca nilai data dari sensor yang dihasilkan. Serta tambahan mikrokontroler untuk dapat mengolah dan mengirim hasil

Kebutuhan Perangkat

Lunak (Software)

XAMPP

Analisis Kebutuhan Sistem

Kebutuhan Perangkat

Keras (Hardware)

NodeMCU ESP8266

Sensor load cell

HX711

Web browser

Arduino IDE

Gambar 3.2 Analisis kebutuhan sistem

Metode K-Nearest Neighbor

Basis data

16

pembacaan sensor ke komputer/PC secara wireless. Data sensor akan dikirim dan ditampilkan pada antarmuka ketika pengguna menekan tombol untuk dapat menampilkan hasil nilai yang didapatkan sensor. Sehingga nilai hasil berat dapat dilihat pada antarmuka berupa halaman web.

3.2.2 Kebutuhan perangkat lunak

Pada kebutuhan perangkat lunak, penelitian yang dibuat ini membutuhkan sebuah IDE yang kegunaannya dapat meng-compile dan meng-upload kode program yang sudah dibuat untuk membaca nilai data sensor dan akan diolah ke dalam mikrokontroler. Sistem ini menggunakan aplikasi Arduino IDE. Bahasa yang yang digunakan IDE ini menyesuaikan dari jenis mikrokontroler yang digunakan, yaitu bahasa pemrograman C. Kemudian nilai data sensor yang telah dihasilkan dikirim ke komputer secara wireless oleh modul ESP8266 yang terdapat pada mikrokontroler NodeMCU untuk dapat diproses selanjutnya pada computer/PC.

Metode K-Nearest Neighbor memerlukan beberapa persyaratan untuk dapat melakukan prosedur pengklasifikasian. Salah satunya yaitu sistem harus sudah memiliki beberapa data latih agar sistem dapat menghitung jarak euclidean tiap data latih berdasarkan data uji. Persyaratan lain yaitu sistem harus menentukan nilai K yang merupakan sekelompok jumlah tetangga terdekat dari data uji berdasarkan jarak Euclidean, sehingga dengan ini sistem dapat mengetahui hasil pengklasifikasian berdasarkan data yang sering muncul. Adapun persyaratan lainnya berupa parameter yang harus dipenuhi untuk dapat melakukan pengklasifikasian status gizi yaitu parameter berupa jenis kelamin, umur, dan berat badan bayi. Sehingga setelah ketiga persyaratan telah terpenuhi sistem langsung mengolah data menggunakan metode K-Nearest Neighbor dan dapat menghasilkan pengklasifikasian hasil status gizi bayi yang akan ditampilkan pada antarmuka. Kebutuhan lain yaitu sistem dapat menyimpan seluruh hasil data kedalam basis data dan data dapat dilihat sewaktu-waktu.

3.3 Perancangan sistem Tahap perancangan konsep keseluruhan sistem ini bertujuan agar penelitian yang dilakukan menjadi terstruktur. Perancangan keseluruhan sistem dapat digambarkan seperti blok diagram di Gambar 3.3:

Gambar 3.3 Diagram Blok Sistem

Sensor load cell

NodeMCU ESP8266

Web browser

INPUT PROSES OUTPUT

HX711 Komputer

K-Nearest Neighbor

Basis data

17

Berdasarkan Gambar 3.3 perancangan sistem penelitian dapat dijelaskan sebagai berikut:

1. Sensor Load cell berfungsi untuk mengambil data berat objek yang di dapat dengan meletetakkan objek di atas sensor.

2. Modul HX711 untuk penguat sinyal keluaran sensor dan konverter nilai data analog ke digital untuk sensor berat.

3. Mikrokontroler NodeMCU ESP8266 berfungsi untuk mengolah dan mengirimkan data sensor secara wireless pada PC/Komputer.

4. Komputer/PC berfungsi untuk memproses dan melakukan perhitungan klasifikasi status gizi bayi.

5. K-Nearest neighbor merupakan metode pengklasifikasian yang digunakan untuk mengklasifikasikan status gizi bayi berdasarkan parameter jenis kelamin, umur dan berat badan yang proses pengklasifikasiannya dilakukan pada komputer/PC.

6. Web browser berfungsi untuk menampilkan informasi data bayi berupa jenis kelamin, umur, dan hasil data berat dari sensor , dan hasil pengklasifikasian status gizi bayi. Sehingga setelah selesai melakukan pengklasifikasian, seluruh data dapat disimpan ke basis data.

3.4 Implementasi sistem Tahap pertama implementasi diawali dengan pembuatan perangkat keras

untuk membaca nilai data berat badan bayi dengan menggunakan 1 sensor berat, 1 modul HX711, dan mikrokontroler NodeMCU ESP8266. Kemudian nilai yang didapat dari sensor dikirimkan oleh mikrokontroler ke komputer secara wireless. Pada implementasi perangkat lunak, menggunakan antarmuka berupa halaman web. Terdapat tampilan untuk memasukkan data bayi berupa jenis kelamin dan umur bayi serta menampilkan nilai hasil data pembacaan sensor yang dikirim secara wireless pada komputer dengan menekan tombol Tampilkan, sehingga komputer dapat memproses data untuk klasifikasi, dapat menampilkan hasil pengklasifikasiannya pada halaman web dengan menekan tombol Lihat Hasil, kemudian dapat menyimpan data ke basis data.

Pada tahap implementasi ini, sisi perangkat lunak dan perangkat keras dibuat dan diatur sesuai dengan perancangan yang telah dibuat sebelumnya. Kedua bagian ini harus saling terhubung agar dapat berjalan membentuk sistem yang sesuai dengan yang rancangkan.

3.5 Pengujian sistem

Pada tahap pengujian sistem ini menggunakan parameter yang disesuaikan pada perancangan sistem. Beberapa rancangan untuk pengujian dijelaskan sebagai berikut:

18

3.5.1 Pengujian fungsional sistem

Pengujian dilakukan untuk menguji fungsi dari sisi perangkat keras dan perangkat lunak sistem.

3.5.1.1 Pengujian perangkat keras

Skenario pengujian perangkat keras ini berupa pengujian keakuratan pembacaan sensor berat yang dilakukan terhadap 10 objek benda dengan berat yang berbeda-beda. Setiap nilai pembacaan sensor yang yang dihasilkan pada serial monitor Arduino IDE dicatat dan dianalisis untuk dapat memastikan apakah sensor berat bekerja dengan sesuai dan mempunyai nilai keakuratan yang baik atau tidak. Untuk dapat memastikan akurat atau tidaknya hasil pembacaan sensor nantinya akan dibandingkan dengan hasil pembacaan berat dari timbangan manual. Sehingga untuk mengetahui kesalahan yang dihasilkan oleh sensor dapat dilihat dari selisih nilai dari hasil pembacaan berat menggunakan timbangan manual dengan hasil pembacaan berat menggunakan sensor. Hal ini bertujuan agar mengetahui persentase tingkat kesalahan dan kekuratan pembacaan nilai berat oleh sensor ini.

3.5.1.2 Pengujian penyimpanan data

Pengujian ini dilakukan pada 10 sampel data masukan untuk sistem. Untuk setiap hasil pengujian dicatat dan dianalisis apakah penyimpanan pada basis data sudah sesuai dengan fungsi atau belum. Untuk mengetahui hasil keakuratan basis data dapat dilihat pada kesesuaian data masukan dengan data yang telah disimpan. Pengujian ini dilakukan untuk dapat mengetahui apakah basis data sudah berfungsi dengan sesuai yang diharapkan.

3.5.2 Pengujian nilai K terhadap status gizi bayi

Pengujian ini menggunakan 24 data sampel untuk masukan pada antarmuka sistem dengan uji coba nilai K dari 1 sampai 10 untuk mencari nilai K dengan keakuratan tertinggi yang akan diterapkan pada metode K-Nearest Neighbor. Mengetahui keakuratan dapat dilihat dari hasil status gizi keluaran sistem sesuai atau tidak dengan hasil status gizi dari Antropometri. Pada tiap nilai K yang diujikan akan dicari persentase keakuratannya, sehingga persentase keakuratan nilai K tertinggi akan dijadikan nilai K tetap untuk metode pengklasifikasian status gizi.

3.5.3 Pengujian sistem klasifikasi status gizi bayi

Pengujian ini dilakukan untuk melihat tingkat akurasi pembacaan data yang dihasilkan oleh sensor dan tingkat keakuratan hasil pengklasifikasian status gizi dari bayi yang ditampilkan pada antarmuka pengguna. Sekenario pengujian menggunakan 5 objek benda dengan variasi berat yang berbeda-beda dan 50 data sampel untuk masukan data pada antarmuka sistem. Hasil pengujian dicatat dan dianalisa perbandingan hasil data berat badan yang ditimbang secara manual dengan hasil data berat dari keluaran sistem serta perbandingan hasil status gizi Antropometri dengan hasil status gizi keluaran sistem. Dengan itu dapat dihitung persentase kesalahan dan keakuratan dari sistem klasifikasi status gizi bayi.

19

3.6 Kesimpulan Pengambilan kesimpulan dilakukan setelah keseluruhan tahapan telah

selesai dilakukan. Kesimpulan diambil dari hasil pengujian dan analisis terhadap sistem yang dibuat. Kesimpulan diambil untuk mengetahui tingkat keakuratan pembacaan nilai data berat yang telah dihasilkan oleh sensor berat, mengetahui kesesuaian data masukan dengan data yang disimpan ke basis data, mengetahui persentase keakuratan tertinggi dari nilai K, serta mengetahui akurasi sistem dalam pengklasifikasian status gizi bayi berdasarkan fitur yang didapat dari pembacaan nilai data sensor berat dan masukkan data bayi berupa jenis kelamin dan umur.

Pada tahap ini juga berisi saran untuk mengembangkan dan memperbaiki kesalahan yang ada pada sistem klasifikasi status gizi bayi dengan metode K-Nearest Neighbor berbasis sistem embedded. Hal tersebut dapat memberikan ide pada peneliti selanjutnya untuk menambahkan perangkat keras, perangkat lunak ataupun mengganti metode yang digunakan agar sistem yang dibuat nantinya akan lebih bagus dan sempurna.

20

BAB 4 REKAYASA KEBUTUHAN

4.1 Deskripsi umum Dalam bab ini dijelaskan secara terperinci mengenai kebutuhan-kebutuhan

yang harus dipenuhi untuk perancangan dan implementasi sistem. Dengan adanya rekayasa kebutuhan diharapkan sistem yang akan dibuat dapat bekerja dengan baik.

4.1.1 Perspektif sistem

Sistem ini dikatakan dapat bekerja sesuai tujuan apabila sistem mampu membaca dan menampilkan hasil data sensor berat yang dikirim oleh mikrokontroler di antarmuka, dapat mengklasifikasikan status gizi bayi dengan parameter berupa: jenis kelamin, umur, dan berat badan bayi yang hasil akhirnya dapat ditampilkan pada antarmuka pengguna, dan dapat menyimpan semua data yang didapat ke dalam basis data.

4.1.2 Karakteristik pengguna

Sistem ini diperuntukkan untuk single user seperti contoh studi kasus jika sistem klasifikasi status gizi dengan metode K-Nearest Neighbor berbasis sistem embedded ini digunakan di rumah sakit. Pengguna yang dapat mengakses sistem ini hanya perawat sehingga karyawan yang lain tidak dapat mengaksesnya kecuali pengguna yang ditujukan.

Contoh studi kasus lainnya yaitu jika sistem digunakan pada posyandu. Sistem hanya dapat diakses oleh satu pengguna yaitu kader posyandu. Sehingga karyawan lain tidak dapat mengakses sistem ini, karena sistem ditujukan hanya untuk pengguna yang langsung berinteraksi dengan bayi.

4.1.3 Lingkungan operasi sistem

Pada dokumentasi ini kebutuhan lingkungan yang mendukung bekerjanya sistem yaitu:

1. Kondisi lingkungan harus kering agar tidak merusak komponen sistem. 2. Lingkungan harus bersih supaya terhindar dari kuman, karena alat ini akan

digunakan untuk pengukuran pada bayi yang mana bayi ini rentan terhadap virus dan bakteri.

3. Terkoneksi dengan jaringan lokal. 4. Pengiriman data sensor menggunakan wireless sehingga PC/Komputer

harus terhubung dengan Wi-Fi.

4.1.4 Batasan sistem

Beberapa batasan yang ada pada sistem ini antara lain: 1. Sistem hanya bisa digunakan pada bayi yang berumur minimal 0 bulan dan

maksimal 36 bulan.

21

2. Sistem ini menggunakan sensor load cell yang dihubungkan penguat sekaligus konverter hasil data sensor berupa modul HX711, dan NodeMCU ESP8266 sebagai mikrokontrolernya.

3. Sensor berat dapat membaca nilai berat dengan minimal 0 kilogram dan maksimal 20 kilogram.

4. Sistem ini terdiri dari perangkat keras untuk pembacaan data berat menggunakan sensor berat yang dihubungkan modul HX711 serta NodeMCU ESP8266 dan perangkat lunak (Software) yang terdapat dalam Komputer/PC yaitu Arduino IDE, XAMPP, Web browser, dan aplikasi untuk menuliskan program metode K-Nearest neighbor.

5. Data yang diperoleh dari sensor tersebut diolah di NodeMCU ESP8266 yang kemudian data dikirimkan secara wireless ke Komputer/PC, selanjutnya diproses di komputer/PC untuk menampilkan data hasil berat dan status gizi bayi.

6. Untuk menampilkan data berat harus menekan tombol Tampilkan agar nilai berat dapat muncul pada antarmuka.

7. Untuk menampilkan hasil status gizi bayi harus menekan tombol Lihat Hasil agar hasil pengklasifikasian status gizi bayi dapat muncul pada antarmuka.

4.1.5 Asumsi dan ketergantungan

Beberapa asumsi dan ketergantungan pada sistem ini antara lain: 1. Data sensor dapat dibaca oleh sistem apabila diterapkan sesuai dengan

rancangan rangkaian sensor dengan mikrokontroler pada sistem. 2. Pin-pin yang dipasang harus sesuai dengan pin yang diinisialisasikan dalam

program. 3. Perangkat keras untuk pengukuran berat harus diposisi tetap tidak bisa

terangkat maupun digoyangkan karena akan memberikan hasil nilai yang tidak sesuai untuk pembacaan nilai berat.

4. Status gizi dari bayi akan ditampilkan apabila parameter berupa jenis kelamin, umur, dan berat badan pada kolom telah terisi.

5. Nilai data berat yang diambil oleh sensor akan dikirimkan dan ditampilkan ke antarmuka ketika pengguna menekan tombol Tampilkan.

6. Untuk menampilkan hasil status gizi tidak bisa secara otomatis sehingga perlu menekan tombol Lihat Hasil untuk dapat melihat hasil status gizi bayi pada antarmuka.

4.2 Rekayasa kebutuhan Pada bab ini menyajikan seluruh kebutuhan dari sistem agar sistem dapat

bekerja sesuai tujuan. Penjelasan dijabarkan pada beberapa sub bab dibawah ini.

4.2.1 Kebutuhan antarmuka

Pada kebutuhan antarmuka ini terdapat purwarupa yang digunakan sebagai alat ukur untuk berat badan. Purwarupa ini terdapat dua baki untuk penempatan sensor berat. Baki pada bagian atas digunakan untuk menopang

22

beban bayi yang akan diukur beratnya, sedangkan baki pada bagian bawah digunakan untuk lapisan bawah pelindung sensor.

Pada halaman web, sistem ini membutuhkan masukan informasi data berupa data latih dan data uji. Kedua data ini mempunyai tujuan yang berbeda namun saling berkaitan. Pada data latih dibutuhkan masukan informasi data bayi yang sudah ada sebelumnya dari buku Antropometri yang berguna untuk syarat pengklasifikasian status gizi pada data uji. Sedangkan pada data uji dibutuhkan masukan informasi data bayi berupa jenis kelamin dan umur yang berguna untuk parameter pengklasifikasian. Parameter lainnya yaitu berat badan, yang pembacaan nilai beratnya dilakukan oleh purwarupa dan menampilkan hasilnya pada halaman web dengan menekan tombol Tampilkan yang tersedia. Untuk menampilkan status gizinya menggunakan tombol Lihat hasil, sehingga sistem dapat menampilkan hasil status gizi bayi pada antarmuka pengguna.

Informasi data yang telah dimasukkan dan ditampilkan pada halaman web, dapat disimpan ke dalam basis data serta dapat ditampilkan kembali pada menu Lihat Data, sehingga akan terjadi interaksi antara pengguna dengan web browser.

4.2.2 Kebutuhan perangkat keras

Kebutuhan perangkat keras terdiri dari beberapa komponen pada sistem yang dapat dijelaskan melalui Tabel 4.1.

Tabel 4.1 Kebutuhan Perangkat Keras

Perangkat Keras Fungsi

Sensor load cell Berfungsi untuk mengambil data berat suatu objek.

HX711 Sebuah modul yang berfungsi untuk penguat keluaran sinyal dan converter nilai data dari analog ke digital untuk sensor load cell.

NodeMCU ESP8266 Pada alat ukur, ini berfungsi sebagai mikrokontroler dan mengatur I/O dari rangkaian sensor. Masukan dari sensor berupa data berat suatu objek yang kemudian data tersebut diolah oleh mikrokontroler untuk dikirim menuju PC/Komputer secara wireless.

4.2.3 Kebutuhan perangkat lunak

Kebutuhan perangkat lunak terdiri dari beberapa aplikasi, penjelasan melalui Tabel 4.2.

23

Tabel 4.2 Kebutuhan Perangkat Lunak

Perangkat Lunak Fungsi

Arduino IDE Pada sistem ini berfungsi untuk menulis dan meng-upload program pada mikrokontroler arduino agar dapat berfungsi sebagai kontroler pada rangkaian perangkat keras.

XAMPP Merupakan sebuah aplikasi server untuk mengatur agar sistem dapat dijalankan pada web browser.

Web Browser untuk antarmuka pengguna, sehingga pengguna dapat berinteraksi dengan sistem

Basis data Penyimpanan data pada komputer Metode K-Nearest Neighbor metode untuk pengklasifikasian status

gizi bayi.

4.2.4 Kebutuhan fungsional

Kebutuhan fungsional dari sistem adalah kebutuhan yang harus terpenuhi agar sistem dapat dikatakan bekerja sesuai tujuan. Beberapa kebutuhan fungsional pada sistem ini dijelaskan pada beberapa sub bab berikut.

4.2.4.1 Sistem dapat membaca nilai data dari sensor berat

Fungsi ini mengharuskan sistem dapat membaca nilai data sensor berupa berat dari suatu objek. Data hasil pembacaan dari sensor akan diproses mikrokontroler dan dikirimkan datanya secara wireless ke komputer/PC. Data berat akan dikirim mikrokontroler dan ditampilkan pada halaman web dengan menekan tombol Tampilkan. Fungsi ini dijalankan pada sub menu Input Data Uji dan fungsi ini termasuk prioritas tinggi karena data tersebut merupakan data yang akan digunakan sebagai parameter untuk mengklasifikasikan status gizi bayi.

4.2.4.2 Sistem dapat mengklasifikasikan status gizi

Fungsi sistem dapat dijalankan hanya jika parameter data pada kolom jenis kelamin, umur, dan berat badan yang digunakan untuk pengklasifikasian status gizi sudah terisi. Sehingga pengguna hanya tinggal memenekan tombol pada web browser untuk melihat hasil dari pengklasifikasian status gizi. Fungsi ini perlu dilakukan karena tujuan dasar pembuatan sistem ini yaitu untuk mengetahui hasil status gizi bayi.

4.2.4.3 Sistem dapat menyimpan masukan data ke basis data

Fungsi ini mengharuskan sistem untuk dapat menyimpan semua informasi data yang telah dimasukkan dan dihasilkan dari sistem dapat tersimpan ke dalam basis data dengan menekan tombol Simpan Data. Fungsi ini termasuk prioritas

24

tinggi karena kebutuhan dasar dari sistem untuk menyimpan informasi data ke dalam basis data.

4.2.5 Kebutuhan non fungsional

Kebutuhan non fungsional pada sistem ini yaitu membutuhkan beberapa data latih yang berguna untuk perhitungan jarak Euclidean dengan data uji untuk pengklasifikasian status gizi bayi. Metode pengambilan data yang digunakan untuk data latih menggunakan pengambilan data secara sekunder yang didasarkan pada Buku SK Antropometri tentang penilaian status gizi anak. Kategori dan nilai ambang batas status gizi anak, berdasarkan (BB/U) yakni berat badan menurut umur anak antara 0 60 bulan yang di cantumkan dalam buku menggunakan tabel. Untuk kategori status gizinya terdiri dari 4 kelas, antara lain: Gizi Buruk, Gizi Kurang, Gizi Baik, dan Gizi Lebih. Tiap-tiap kelas terdapat ambang batas (Z-Score) masing-masing, yang dapat didefinisikan sebagai berikut:

1. Kategori Status Gizi Buruk dengan nilai ambang batas kurang dari -3SD (<-3SD)

2. Kategori Status Gizi Kurang dengan nilai ambang batas sama dengan -3SD sampai dengan kurang dari -2SD (-3SD sampai dengan <-2SD)

3. Kategori Status Gizi baik dengan nilai ambang batas sama dengan -2SD sampai dengan 2SD (-2SD sampai dengan 2SD)

4. Kategori Status Gizi Lebih dengan nilai ambang batas lebih dari 2SD (>2SD)

Pada buku SK Antropometri telah dijabarkan nilai Z-score dengan berbentuk tabel. Tabel pengklasifikasian untuk anak laki-laki dan perempuan berbeda. Sehingga jenis kelamin mempengaruhi hasil status gizinya. Berikut contoh Gambar 4.1 dari tabel laki-laki dan Gambar 4.2 dari tabel perempuan yang diwakilkan tabel dengan umur 0 5 bulan, untuk mengetahui bahwa nilai berat tiap jenis kelamin berbeda-beda.

Gambar 4.1 Buku SK Antropometri pengklasifikasian status gizi berdasarkan

BB/U untuk anak Laki-laki Sumber : (Kementerian Kesehatan RI, 2010)

25

Gambar 4.2 Buku SK Antropometri pengklasifikasian status gizi berdasarkan

BB/U untuk anak Perempuan Sumber : (Kementerian Kesehatan RI, 2010)

Kebutuhan non fungsional lainnya yaitu membutuhkan uji coba untuk pencarian nilai K terbaik dengan menggunakan nilai antara 1 10. Sehingga pada sistem untuk pengujiannya hanya mengganti nilai K pada pemrograman metode K-Nearest Neighbor dan melihat hasil dengan akurat tertinggi. Jika terdapat salah satu nilai K dengan keakuratan paling tinggi, maka nilai tersebut yang akan menjadi nilai K tetap pada sistem. Untuk melakukan pencarian nilai K, pada sistem perlu masukan sekenario data pengujian berupa jeni kelamin, umur, dan berat badan untuk mengetahui hasil status gizi pada sistem. Hasil pengklasifikasian status gizi dari sistem pada tiap nilai K, akan dicocokkan dengan data hasil status gizi dari Antropometri. Sehingga dapat diketahui benar atau salahnya hasil gizi yang didapat dari sistem. Dengan ini dapat dihitung keakurasian tertinggi dari tiap nilai K, dan nilai akurat tertinggi akan ditetapkan sebagai nilai K pada sistem.

4.2.6 Kebutuhan performansi sistem

Sistem ini mampu bekerja dengan performa maksimal apabila beberapa faktor pendukung terpenuhi. Seperti faktor jaringan, sistem ini harus terhubung dengan Wi-Fi yang tersedia karena terdapat data yang pengirimannya secara wireless sehingga mengharuskan sistem untuk terhubung dengan jaringan lokal. Faktor pendukung lainnya yaitu sistem ini membutuhkan sumber daya untuk pembacaan nilai data berat dari PC/Komputer yang dihubungkan ke mikrokontroler melalui kabel USB.

Kalibrasi sensor berat diperlukan agar nilai keluaran sensor bisa pada posisi nol. Kalibrasi ini dilakukan pada pemrograman di Arduino IDE. Sensor berat perlu dikalibrasi karena di atas sensor terdapat penopang beban objek berupa baki. Baki memiliki berat yang mempengaruhi hasil nilai pembacaan sesnsor, maka dari itu perlu adanya kalibrasi agar kondisi saat baki tidak terdapat beban objek nilai pembacaannya nol.

Selain itu sistem pengklasifikasikan status gizi ini dapat bekerja apabila persyaratan untuk melakukan pengklasifikasian telah terpenuhi. Pemberian beberapa data latih pada sistem diperlukan untuk dapat mengklasifikasikan status gizi. Konten data latih ini berisikan parameter untuk pengklasifikasian status gizi

26

bayi yaitu berupa jenis kelamin, umur, dan berat badan. Data latih ini diambil dengan metode pengumpulan datanya secara sekunder yang didasarkan pada buku Antropometri status gizi anak.

27

BAB 5 PERANCANGAN DAN IMPLEMENTASI

Bab ini menjelaskan tentang perancangan sistem dan implementasi untuk sistem klasifikasi status gizi bayi dengan metode K-Nearest Neighbor berbasis sistem embedded.

5.1 Perancangan sistem Pada tahap perancangan sistem klasifikasi status gizi bayi dengan metode

K-Nearest Nighbor berbasis sistem embedded ini dilakukan berdasarkan pada sub bab perancangan sistem 3.3. Gambaran mengenai perancangan sistem dijelaskan pada pohon perancangan sistem pada Gambar 5.1.

Gambar 5.1 Pohon perancangan sistem

5.1.1 Perancangan perangkat keras

Perancangan perangkat keras pada rangkaian elektronika ini terdiri dari rangkaian sensor, modul, dan mikrokontroler. Pada rangkaian sensor dan modul dihubungkan dengan mikrokontroler yang befungsi agar sistem dapat membaca data sensor berat dan kemudian diolah pada mikrokontroler agar data siap dikirim ke Komputer/PC secara wireless. Adapun gambar skematik dari rangkaian elektronika ini ditunjukkan pada Gambar 5.2.

Perancangan sistem

Perancangan perangkat keras

Perancangan perangkat lunak

Perancangan rangkaian

perangkat keras

Proses klasifikasi metode K-Nearest

Neighbor

Perancangan tampilan

antarmuka

28

Gambar 5.2 Perancangan rangkaian elektronika perangkat keras

Dari yang diketahui modul HX711 merupakan komponen perangkat keras yang

bertujuan untuk penguat karena keluaran sinyal dari load cell lemah sehingga dibutuhkan modul penguat berupa HX711 untuk dapat memudahkan pengakusisian data berat. Selain itu modul ini prinsip kerjanya sebagai konverter nilai data sensor yaitu merubah sinyal analog menjadi digital. Pada Gambar 5.2 di atas dapat dijelaskan lebih rinci pada Tabel 5.1 mengenai rancangan rangkaian sensor berat (load cell) dengan modul HX711. Pada load cell terdapat 4 kabel yang berbeda warna, dimana tiap kabel ini memiliki fungsi masing-masing. Kabel merah yang bertindak sebagai VCC yang dihubungkan dengan pin E+ pada HX711. Kemudian kabel hitam sebagai GND dihubungkan dengan pin E-. Untuk output yaitu kabel putih hubungkan pada pin HX711 yaitu A-. Yang terakhir yaitu hubungkan kabel hijau ke pin A+.

Tabel 5.1 Keterangan sensor load cell dengan HX711

Sensor Load cell Pin HX711

Kabel Merah E+

Kabel Hitam E-

Kabel Putih A-

Kabel Hijau A+

29

Melalui Gambar 5.2 di atas dapat dijelaskan lebih detail rinciannya mengenai rancangan rangkaian modul HX711 dengan mikrokontroler berupa NodeMCU ESP8266 di Tabel 5.2. Pada HX711 terdapat 4 pin yaitu VCC, GND, DT, dan SCK. Pin VCC pada HX711 dihubungkan pada pin NodeMCU ESP8266 yaitu Vin dengan tujuan supaya modul mendapat daya dari mikrokontroler. Vin ini memiliki sumber dayanya sebesar 5V. Untuk pin GND juga dihubungkan ke GND pada pin NodeMCUnya. DT pada pin HX711 ini bertujuan untuk koneksi data I/O yang dihubungkan ke pin NodeMCU pada pin digital D5. Sedangkan pin SCK pada HX711 yang bertujuan untuk serial clock input ini dihubungkan ke pin digital D6. Untuk tabel keterangan pin sensor HX711 dengan NodeMCU yang dapat dilihat pada Tabel 5.2 di bawah ini.

Tabel 5.2 Keterangan pin modul HX711 dengan NodeMCU ESP8266

Pin HX711 Pin NodeMCU 8266 Warna kabel

GND GND

DT D5

SCK D6

VCC Vin

Dari penjelasan di atas telah dijabarkan bahwa perancangan rangkaian elektronika telah dibuat secara terstruktur, sehingga pada implementasi sistem nantinya rangkaian perangkat keras dapat dibuat dengan baik sesuai yang telah dirancang. Dibawah ini akan dijelaskan mengenai perancangan purwarupa, dapat dilihat pada Gambar 5.3.

Gambar 5.3 Perancangan purwarupa

Gambar 5.3 di atas merupakan perancangan purwarupa yang akan diimplementasikan pada sistem. Terdapat 2 baki yang mana pada 1 baki di atas berfungsi untuk menopang badan bayi dan 1 baki dibawah yang digunakan untuk alas sensor berat. Sensor dapat membaca nilai berat objek ketika beban sudah

Baki untuk menopang badan bayi

Sensor load cell Rangkaian HX711 dengan NodeMCU

ESP8266

Kabel USB

30

diletakkan di atas baki. Sehingga data berat langsung bisa diolah mikrokontroler dan ditampilkan pada serial monitor Arduino IDE.

5.1.2 Perancangan perangkat lunak

Berdasarkan pohon perancangan sistem pada Gambar 5.1, maka perancangan perangkat lunak dilakukan setelah analisis kebutuhan sistem. Perancangan perangkat lunak meliputi proses perancangan proses klasifikasi gizi, perancangan perangkat lunak untuk tampilan antarmuka system, dan perancangan basis data.

5.1.2.1 Perancangan proses klasifikasi metode K-Nearest Neighbor

Perancangan perangkat lunak untuk pengklasifikasian status gizi memerlukan nilai dari sensor berat yang dibaca oleh mikrokontroler berupa NodeMCU ESP8266 dan dikirimkan secara wireless ke komputer/PC sebagai parameter untuk data uji. Selain itu pengguna juga diharuskan untuk memasukkan informasi data bayi berupa jenis kelamin dan umur untuk parameter pada data uji. Setelah ketiga parameter pada data uji telah terpenuhi, komputer/PC akan mengolah dan melakukan perhitungan menggunakan metode K-Nearest Neighbor yang didasarkan pada nilai yang ada di basis data sebagai data latih. Sebelum melakukan perhitungan terlebih dahulu menentukan nilai K yang akan digunakan untuk pengelompokan jumlah data berdasarkan jarak terkecil dari data uji. Perhitungan pertama yaitu mencari jarak antara data latih dan uji dengan rumus euclidean. Ketika seluruh hasil jaraknya didapat maka komputer akan mengurutkan jarak dari yang terkecil hingga terbesar sampai dengan jumlah nilai K yang telah ditentukan dari awal. Setelah itu, komputer membuat keputusan berdasarkan dari peluang data yang lebih sering muncul, namun jika jumlah peluangnya sama maka komputer membuat keputusan untuk memilih hasil berdasarkan jarak Euclidean terkecil. Sehingga hasil dari klasifikasi tersebut akan ditampilkan pada web browser sebagai antarmuka dengan tampilan 1 (status gizi buruk), 2 (status gizi kurang), 3 (status gizi baik), atau 4 (status gizi lebih). Telah dijelaskan dan digambarkan perancangan mengenai proses klasifikasi yang menggunakan metode K-Nearest Neighbor menggunakan alur proses sistem. Sehingga dengan adanya perancangan ini dapat mudah untuk diimplementasikan pada penerapan perangkat lunak untuk proses klasifikasi metode K-Nearest Neighbor. Berikut ini merupakan alur proses sistem yang dijelaskan pada Gambar 5.4.

31

Pengguna

Komputer/PC

Gambar 5.4 Flowchart proses klasifikasi metode K-Nearest Neighbor

Mulai

Inisialisasi, menentukan K

Menekan tombol

antarmuka

Menampilkan data berat?

T

Tampilkan nilai data berat pada

antarmuka Memilih opsional data jenis kelamin

dan umur pada antarmuka

Perhitungan jarak Euclidean antar data uji

dan data latih

Mengurutkan data berdasarkan jarak euclidean terkecil-

terbesar dan mengambil data pertama hingga

sebanyak K untuk dikelompokkan

Mencari peluang data yang paling banyak muncul/jika muncul peluang sama akan

diambil jarak euclidean

Menampilkan hasil status

gizi

T

Y Tampilkan hasil status gizi pada

antarmuka

Selesai

Y

32

5.1.2.2 Perancangan perangkat lunak untuk tampilan antarmuka

Perancangan perangkat lunak tampilan berupa kondisi dimana sistem dapat menampilkan antarmuka pengguna secara terstruktur agar pengguna tidak kebingungan jika berinteraksi dengan antarmuka pengguna sistem. Berikut ini gambaran peta perancangan perangkat lunak untuk tampilan antarmuka pada Gambar 5.5.

Gambar 5.5 Peta perancangan perangkat lunak untuk tampilan antarmuka

Dari peta perancangan di atas dapat dijelaskan mengenai menu-menu pada tampilan, yang akan dijelaskan pada perancangan desain web yang diterapkan dapat dilihat pada Gambar 5.6 dan Gambar 5.7.

Gambar 5.6 Perancangan desain web perangkat lunak tampilan menu login

Gambar 5.6 merupakan menu login untuk masuk ke sistem. Untuk masuk ke sistem ini menggunakan username dan password. Perancangan menu ini sangat

LOGIN

Input Data Lihat Data Home Akun Logout

Input Data Uji

Input Data Latih

Lihat Data Latih

Lihat Data Uji

Profil Admin

Edit Profil

33

diperlukan karena sistem yang dibuat tidak untuk umum melainkan hanya khusus single user seperti contoh studi khasus jika sistem digunakan pada posyandu. Sistem hanya dapat diakses satu pengguna yaitu kader posyandu. Sehingga sistem ini diperlukan sistem password agar karyawan lain tidak dapat mengakses sistem ini. Tampilan menu yang akan dirancang, berbentuk seperti desain web pada Gambar 5.7.

Gambar 5.7 Perancangan desain web perangkat lunak tampilan menu

Sistem ini terdiri dari beberapa menu yang mempunyai fungsi masing-masing. Pada menu pertama yaitu Home berfungsi untuk menampilkan halaman utama dari sistem. Menu kedua berupa Input Data yang mempunyai dua sub menu yaitu Input Data Uji untuk memasukkan data bayi yang akan di klasifikasikan status gizinya dan Input Data Latih untuk memasukkan data-data latih yang digunakan untuk syarat pengklasifikasian status gizi. Menu ketiga Lihat Data yang berfungsi untuk melihat data yang telah tersimpan di basis data sistem. Terdapat dua sub menu yang terdiri dari Lihat Data Uji yang berguna untuk melihat data bayi yang sudah diklasifikasikan status gizinya menggunakan sistem, dan sub menu Lihat Data Latih yang berguna untuk melihat data-data latih yang sudah dimasukkan ke dalam basis data. Menu keempat berupa Akun yang berguna untuk melihat profil admin provinsi yang sedang mengakses sistem. Pada menu ini juga dapat mengganti profil admin, dengan menekan sub menu Edit Profil. Menu terakhir yaitu Logout yang berguna untuk keluar dari sistem jika pengguna sudah selesai mengakses sistem. a) Perancangan tampilan pada sub menu Input Data Uji

Pada perancangan perangkat lunak di sub menu Input Data Uji berupa pengkodisian dimana sistem dapat menerima data sensor, memasukkan data informasi bayi, menampilkan hasil dari pengklasifikasian data, dan menyimpan data pada. Pada Gambar 5.8 merupakan menu Input Data yang terdapat sub menu yaitu Input Data Uji yang berfungsi untuk memasukkan informasi data bayi dan untuk menampilkan hasil pembacaan sensor dan hasil status gizi bayi. Input manual hanya dilakukan pada kolom Tanggal Pemeriksaan, Nama bayi, Tempat Lahir, Jenis Kelamin, dan Umur (bulan) dari bayi yang sedang di klasifikasikan status gizinya. Sedangkan pada Kode Bayi ini otomatis diperbaharui nilainya. Untuk kolom Berat badan (kg) dan Status Gizi perlu menekan tombol untuk menampilkan hasilnya. Terdapat 4 tombol pada sub menu Input Data Uji, tombol Tampilkan berguna untuk menampilkan hasil berat badan ketika ditekan. Tombol Lihat Hasil berfungsi untuk menampilkan hasil status gizi. Tombol Simpan Data berfungsi untuk menyimpan informasi data yang sudah diisi ke basis data, dan

34

tombol Reset berfungsi untuk mengembalikan nilai ke keadaan semula. Perancangan desain web dapat dilihat pada Gambar 5.8.

Gambar 5.8 Perancangan desain web pada menu Input Data Uji

b) Perancangan tampilan pada sub menu Input Data Latih

Pada perancangan perangkat lunak di sub menu Input Data Latih berupa pengkodisian dimana sistem dapat memasukkan data dan dapat menyimpan informasi data masukan. Perlu adanya masukan data berupa informasi dari bayi agar data yang dimasukkan bisa digunakan sebagai syarat pengklasifikasian status gizi. Jika informasi data yang diinginkan semua sudah diisi maka dapat langsung disimpan ke basis data dengan menekan tombol Simpan Data. Pada Gambar 5.9 merupakan menu Input Data yang terdapat sub menu yaitu Input Data Latih yang berfungsi untuk memasukkan informasi data bayi. Masukan manual dilakukan pada semua kolom. Sub menu ini hampir sama dengan sub menu Input Data Uji yang membedakan hanya kegunaan sub menu ini untuk data latih sebagai syarat melakukan pengklasifikasian sehingga pada kolom berat badan dan status gizi hanya perlu diisi manual sesuai dengan data yang sudah ada. Sedangkan pada sub menu ini hanya terdapat 2 tombol berupa Simpan Data untuk menyimpan informasi data ke basis data dan tombol Reset untuk mengembalikan nilai kekeadaan semula. Perancangan desain web dapat dilihat pada Gambar 5.9.

35

Gambar 5.9 Perancangan desain web pada sub menu Input Data Latih

c) Perancangan tampilan pada sub menu Lihat Data Uji

Pada perancangan perangkat lunak di sub menu Lihat Data Uji berupa pengkodisian dimana sistem dapat menampilkan data-data masukan yang sebelumnya sudah disimpan ke basis data. Pada Gambar 5.10 terdapat beberapa kolom yang merupakan tampilan informasi data bayi. Informasi pada tiap kolom akan terisi jika pengguna sudah memasukkan data dan menyimpannya ke basis data. Untuk melihat basis data pada Data Uji dapat langsung dilihat ketika pengguna sudah menekan tombol Simpan Data pada Input Data Uji, karena sesudah menekan tombol tersebut akan langsung dialihkan ke sub menu Lihat Data Uji. Atau jika ingin melihat tanpa memasukkan data maka dapat langsung pilih menu Lihat Data kemudian pilih sub menu Lihat Data Uji. Perancangan desain web dapat dilihat pada Gambar 5.10.

36

Gambar 5.10 Perancangan desain web pada sub menu Lihat Data Uji

d) Perancangan tampilan pada sub menu Lihat Data Latih

Pada perancangan perangkat lunak di sub menu Lihat Data Latih berupa pengkodisian dimana sistem dapat menampilkan data-data masukan yang sebelumnya sudah disimpan ke basis data. Pada Gambar 5.11 terdapat beberapa kolom yang merupakan tampilan informasi data bayi. Informasi pada tiap kolom akan terisi jika pengguna sudah memasukkan data dan menyimpannya ke basis data. Untuk melihat basis data pada Data Latih dapat langsung dilihat ketika pengguna sudah menekan tombol Simpan Data pada Input Data Latih, karena sesudah menekan tombol tersebut akan langsung dialihkan ke sub menu Lihat Data Latih. Atau jika ingin melihat tanpa memasukkan data maka dapat langsung pilih menu Lihat Data kemudian pilih sub menu Lihat Data Latih. Kegunaan dari Lihat Data Uji dan Latih sama namun yang membedakan hanya konten data yang disimpan. Perancangan desain web dapat dilihat pada Gambar 5.11.

Gambar 5.11 Perancangan desain web pada sub menu Lihat Data Latih

e) Perancangan tampilan pada sub menu Profil Admin

37

Pada perancangan perangkat lunak di sub menu Profil Admin berupa pengkodisian dimana sistem dapat menampilkan profil admin yang sedang mengakses sistem. Sub menu ini berhubungan ketika pengguna login pada sistem. Tergantung pengguna masuk dengan username dan password provinsi apa. Gambar 5.12 merupakan Profil Admin ketika pengguna mengakses username jawa timur dan password jawa timur, maka dari itu pada profil muncul nama provinsi sebagai Jawa Timur. Perancangan desain web dapat dilihat pada Gambar 5.12.

Gambar 5.12 Perancangan desain web pada sub menu Profil Admin

f) Perancangan tampilan pada sub menu Edit Profil

Pada perancangan perangkat lunak di sub menu Edit Profil berupa pengkodisian dimana sistem dapat merubah profil admin yang sedang mengakses sistem. Sub menu ini berhubungan ketika kita login pada sistem. Tergantung pengguna masuk dengan username dan password apa. Gambar 5.13 merupakan Profil Admin ketika pengguna mengakses username jawa timur dan password jawa timur. Sub menu Edit Profil digunakan ketika admin/pengguna ingin mengganti nama provinsi atau mengganti nomor telephone. Perancangan desain web yang diterapkan dapat dilihat pada Gambar 5.13.

38

Gambar 5.13 Perancangan desain web pada sub menu Edit Profil Admin

5.1.2.3 Perancangan basis data

Basis data pada sistem klasifikasi status gizi bayi digunakan untuk mendukung kebutuhan pemrosesan dan beberapa obyek penampilan berupa response time, processing time, dan storage space. Perancangan ini diperlukan agar penerapan perangkat lunak pada sistem dapat dijalankan sesuai yang diharapkan. Perancangan basis data sistem klasifikasi status gizi bayi dapat dilihat pada Gambar 5.14.

Gambar 5.14 Perancangan basis data sistem klasifikasi status gizi bayi

Nama basis data yang digunakan yaitu posyandu dengan penambahan 3 tabel antara lain: tabel uji, latih dan provinsi.

39

Tabel uji dan latih digunakan untuk menyimpan data masukan pada halaman web berupa data uji/latih yang terdiri dari kolom kode bayi, tanggal pemeriksaan, nama bayi, tempat lahir, jenis kelamin, umur, berat badan, dan status gizi. Kunci utama pada tabel uji/latih terletak pada kode bayi. Hal ini bertujuan agar pada kolom yang menjadi kunci utama tersebut tidak bisa diisi dengan data yang sama persis sehingga tiap data memiliki identitasnya masing-masing. Sedangkan pada tabel provinsi digunakan untuk menyimpan data berupa kode provinsi, nama provinsi (username), password, dan nomor telepon. Kunci utama pada tabel provinsi yaitu kode provinsi. Tabel ini digunakan ketika pengguna masuk pada menu login yang mengharuskan pengguna memasukkan username dan password.

5.2 Implementasi sistem Implementasi pada sistem dapat dilakukan jika proses perancangan dari

sistem telah terpenuhi karena keseluruhan implementasi sistem ini mengacu pada perancangan sistem yang telah ditentukan sebelumnya. Alur implementasi sistem dapat dilihat pada Gambar 5.15.

Gambar 5.15 Alur implementasi sistem

5.2.1 Implementasi pada perangkat keras

Tahap implementasi perangkat keras ini disesuaikan dengan perancangan yang telah dilakukan sebelumnya. Sesuai dari hasil perancangan pada alat ukur ini terdiri dari rangkaian sensor, modul dan mikrokontroler. Untuk pengolahan data dari sensor yang telah didapat, menggunakan mikrokontroler NodeMCU ESP8266. Sensor yang digunakan adalah load cell sedangkan modul yang digunakan adalah HX711. Implementasi purwarupa untuk alat ukur dapat dilihat dari Gambar 5.16 dan Gambar 5.17.

Implementasi sistem

Implementasi perangkat keras

Implementasi perangkat lunak

Implementasi purwarupa

Implementasi metode K-Nearest

Neighbor

Implementasi tampilan

antarmuka

40

Gambar 5.16 Purwarupa untuk pembacaan nilai berat tampak samping

Gambar 5.17 Purwarupa untuk pembacaan nilai berat tampak atas

Pada Gambar 5.16 dan Gambar 5.17 tersebut implementasi sistem

disesuaikan dengan perancangan dimana sensor, modul amplifier, dan NodeMCU ESP8266 saling terhubung membentuk sistem untuk pembacaan nilai berat badan. Perangkat keras yang digunakan untuk mengimplementasikan sistem klasifikasi status gizi bayi yaitu: sensor berat (load cell), modul HX711, mikrokontroler NodeMCU ESP8266, kabel USB, dan Komputer. Semua perangkat keras tersebut akan dijelaskan di bawah ini:

1. Sensor berat bertujuan untuk mengambil nilai data berat dari suatu objek. Keluaran sensor berupa analog yang selanjutnya akan diteruskan ke modul HX711.

2. Modul HX711 merupakan modul penguat keluaran tegangan sensor berat dan modul untuk konversi data dari analog ke digital. Tegangan keluaran dari sensor berat dikonversi oleh modul HX711 untuk diubah dalam bentuk keluaran digital. Sehingga keluaran dari HX711 akan diteruskan ke mikrokontroler.

41

3. Mikrokontroler NodeMCU ESP8266 dapat berfungsi ketika sudah di-upload program Arduino IDE, sehingga setelah program sudah ter-upload maka mikrokontroler dapat mengolah, membaca pembacaan data dari rangkaian sensor dan modul, dan mengirimkan data berat ke komputer/PC secara wireless menggunakan modul ESP8266 yang terdapat pada NodeMCU.

5.2.2 Implementasi pada perangkat lunak

Implementasi perangkat lunak terbagi menjadi dua yaitu implementasi metode K-Nearest Neighbor dan implementasi tampilan antarmuka yang dijelaskan pada dua sub bab berikut ini.

5.2.2.1 Implementasi metode K-Nearest Neighbor

Untuk mengimplementasikan Metode K-Nearest Neighbor sebelumnya perlu menghubungkan antara perangkat keras dengan perangkat lunak agar pada penerapan implementasi metode dapat berjalan sesuai perancangan. Pemrograman untuk rangkaian perangkat keras dibutuhkan karena bertujan untuk pembacaan data berat yang mana pada implementasi data berat ini dibutuhkan untuk parameter data uji dalam pengklasifikasian gizi. Sebelum pembacaan nilai data, sensor berat perlu dikalibrasi pada fungsi setup terlebih dahulu agar pembacaan awal sensor bernilai nol. Kode program untuk pembacaan sensor dapat ditunjukkan pada Gambar 5.18.

Gambar 5.18 Kode program pembacaan sensor berat

Setelah nilai data sensor didapat, mikrokontroler mengirim hasil data berat

ke komputer/PC secara wireless menggunakan modul ESP8266. Kode program dapat ditunjukkan pada gambar 5.19.

42

Gambar 5.19 Kode program untuk mengirim hasil pembacaan sensor ke

komputer/PC

Pengiriman data mikrokontroler ke PC/Komputer menggunakan Wi-Fi. Untuk dapat mengirim data sensor diperlukan suatu inisialisasi nama Wi-Fi beserta password Wi-Fi yang digunakan agar nanti IP ESP8266 dapat muncul pada serial monitor. IP ini digunakan untuk menghubungkan perangkat keras agar dapat mengirimkan data pembacaan sensor pada komputer. Berikut kode program untuk koneksi perangkat keras dengan perangkat lunak sistem dapat ditunjukkan pada Gambar 5.20.

Gambar 5.20 Kode program untuk koneksi perangkat keras dan perangkat

lunak sistem

Setelah pemrograman di atas di-upload ke mikrokontroler dapat dilihat

pada serial monitor bahwa IP ESP826 muncul, hal ini menandakan bahwa koneksi antara jaringan dengan modul wirel\ess berhasil. IP ESP8266 dapat ditampilkan pada Gambar 5.21.

43

Gambar 5.21 IP modul ESP8266 pada serial monitor

Ketika sudah muncul IP yang dimaksudkan maka tulis IP yang muncul pada serial monitor ke program PHP seperti pada Gambar 5.22.

Gambar 5.22 Penambahan IP modul wireless pada program PHP

Setelah menambahkan IP dari modul ESSP8266 maka selanjutnya komputer dapat menerima hasil pembacaan data sensor berat yang dikirimkan oleh mikrokontroler secara wireless dan menampilkan hasil datanya pada antarmuka pengguna pada kolom berat badan, sehingga sistem dapat berjalan sesuai dengan yang diharapkan. Setelah perangkat keras dan lunak sudah saling terkoneksi tahap selanjutnya yaitu implementasi perangkat lunak untuk penerapan metode K-Nearest Neighbor pada sistem klasifikasi status gizi bayi. Tahap awal yaitu menentukan nilai K yang akan digunakan untuk pengelompokan jumlah data berdasarkan jarak eclidean terkecil dari data uji. Berikutnya yaitu pengguna harus memenuhi parameter pengklasifikasian berupa jenis kelamin, umur, dan berat badan. Parameter jenis kelamin dan umur dapat dipilih secara opsianal pada

44

antarmuka, sedangkan parameter berat badan mengharuskan pengguna untuk menekan tombol Tampilkan pada antarmuka agar nilai data berat dapat ditampilkan. Sehingga setelah ketiga parameter telah terpenuhi sistem dapat melakukan pengklasifikasian menggunakan perhitungan jarak euclidean. Kode program dpat dilihat pada Gambar 5.23.

Gambar 5.23 Kode program proses klasifikasi ketika menghitung jarak Euclidian

Proses pengklasifikasian pada metode selanjutnya yaitu mengurutkan data

berdasarkan jarak Euclidean terkecil sampai terbesar dan mengambil/mengelompokkan data dari urutan pertama hingga data sebanyak nilai K. Kode program dapat dilihat pada Gambar 5.24.

Gambar 5.24 Kode program proses klasifikasi ketika mengambil data sebanyak

nilai K

Selanjutnya komputer mencari peluang data yang paling banyak muncul

pada kelompok nilai K. Data yang paling banyak muncul akan dijadikan hasil pengklasifikasian status gizi. Namun jika muncul peluang data yang sama, hasil pengklasifikasian status gizinya diambil dari data yang memiliki jarak Euclidean terkecil. Kode program dijelaskan pada Gambar 5.25.

45

Gambar 5.25 Kode program proses klasifikasi ketika mencari peluang data yang

paling banyak muncul

Hasil pengklasifikasian akan ditampilkan pada kolom Status Gizi di halaman web ketika pengguna menekan tombol Lihat hasil. Sehingga sistem mampu menghasilkan status gizi bayi dengan tampilan 1 (status gizi buruk), 2 (status gizi kurang), 3 (status gizi baik), atau 4 (status gizi lebih) pada antarmuka.

5.2.2.2 Implementasi perangkat lunak pada tampilan antarmuka pengguna

Pada desain web yang telah dirancang sebelumnya menghasilkan antarmuka pengguna beberapa tampilan menu antara lain menu utama/ Home, input data uji, input data latih, lihat data uji, lihat data latih, tampilan profil admin, menu edit profil admin, dan menu untuk keluar dari sistem/logout. Pada implementasi tampilan ini antarmuka diterapkan sesuai dengan perancangan perangkat lunak tampilan antarmuka. Sistem ini terdiri dari beberapa menu yang mempunyai fungsi masing-masing. Pada menu pertama yaitu Home berfungsi untuk menampilkan halaman utama dari sistem. Menu kedua berupa Input Data yang mempunyai dua sub menu yaitu Input Data Uji untuk memasukkan data bayi yang akan di klasifikasikan status gizinya dan Input Data Latih untuk memasukkan data-data latih yang digunakan untuk syarat pengklasifikasian status gizi. Menu ketiga Lihat Data yang berfungsi untuk melihat data yang telah tersimpan di basis data sistem. Terdapat dua sub menu yang terdiri dari Lihat Data Uji yang berguna untuk melihat data bayi yang sudah diklasifikasikan status gizinya menggunakan sistem, dan sub menu Lihat Data Latih yang berguna untuk melihat data-data latih yang sudah dimasukkan ke dalam basis data. Menu keempat berupa Akun yang berguna untuk melihat profil admin provinsi yang sedang mengakses sistem. Pada menu ini juga dapat mengganti profil admin, dengan menekan sub menu Edit Profil. Menu terakhir yaitu Logout yang berguna untuk keluar dari sistem jika pengguna sudah selesai mengakses sistem. Berikut contoh hasil penerapan

46

implementasi perangkat lunak tampilan antarmuka pada sub menu Input Data Uji yang telah dibuat seperti pada Gambar 5.26.

Gambar 5.26 Tampilan antarmuka sub menu Input Data Uji

Seperti pada perancangan desain web sebelumnya, tampilan ini menyesuaikan dengan apa yang sebelumnya dirancang. Pada penerapan kali ini menggunakan sub menu Input Data Uji. Khusus untuk kolom Status Gizi bayi diasumsikan bahwa nilai 1 merupakan Status Gizi Buruk, 2 merupakan Status Gizi Kurang, 3 merupakan Status Gizi Baik, dan 4 merupakan Status Gizi Lebih. Untuk pengoperasian sistem di atas dapat dijelaskan sebagai berikut:

1. Mengisi informasi data bayi pada kolom yang dibutuhkan. 2. Pada kolom Berat Badan untuk menampilkan nilainya perlu menekan tombol

Tampilkan sehingga nilai akan muncul pada kolom dan sistem akan mengeluarkan notofikasi berupa alert pada tampilan bahwa sistem telah berhasil membaca sensor.

3. Untuk menampilkan status gizi bayi perlu mengisi data yang dibutuhkan untuk pengklasifikasian, berupa jenis kelamin, umur, dan berat badan. Sehingga setelah semua informasi data telah terpenuhi sistem akan dapat menampilkan status gizi dengan menekan tombol Lihat Hasil untuk menampilkan hasil status gizi bayi pada kolom status gizi.

4. Terakhir jika ingin menyimpan data yang sudah didapat maka tekan tombol Simpan Data dan jika ingin melakukan pengukuran kembali maka tekan tombol Reset untuk mengembalikan ke kondisi semula.

47

BAB 6 PENGUJIAN DAN ANALISIS

Pengujian sistem ini dilakukan dalam beberapa tahap. Tahap pertama yaitu pengujian dengan pembacaan nilai berat yang ada pada serial monitor untuk mencari persentase kesalahan dan keakurasian. Tahap selanjutnya yaitu pengujian untuk mencari nilai K terbaik yang akan diterapkan untuk metode klasifikasi, tahap selanjutnya yaitu pengujian fungsianal basis data, pengujian terakhir yaitu pengujian keseluruhan sistem, yang mana sistem harus mampu menampilkan hasil pembacaan sensor dan menampilkan hasil pengklasifikasian status gizi bayi pada antarmuka pengguna.

6.1 Pengujian fungsional sistem Pengujian dilakukan untuk menguji fungsi dari sisi perangkat keras dan

perangkat lunak sistem.

6.1.1 Pengujian perangkat keras Pengujian perangkat keras yang dilakukan berupa pengujian berat objek

menggunakan sensor berat yang dijabarkan pada penjelasan-penjelasan bawah ini.

A.) Tujuan Untuk menguji apakah sensor berat mampu menghasikan hasil ukur yang

akurat.

B.) Peralatan

1. Timbangan berat manual. 2. Sensor berat. 3. Variasi benda dengan berat yang berbeda-beda berjumlah 10. 4. Arduino IDE

C.) Prosedur Pengujian

1. Menghubungkan NodeMCU ESP8266 dengan kabel USB FTDI ke Komputer/PC.

2. Membuka aplikasi arduino IDE. 3. Meng-upload program pada arduino IDE dengan memilih menu upload. 4. Mengamati indikator led pada mikrokontroler apakah menyala atau tidak,

karena jika program sudah ter-upload maka led pada NodeMCU akan menyala dan keterangan pada program arduino IDE akan muncul keteran done uploading

5. Melihat hasil pembacaan sensor berat pada serial monitor. 6. Membandingkan hasil berat dengan mengukur berat benda menggunakan

timbangan berat manual.

48

D.) Hasil Pengujian alat ukur berat yang dilakukan menggunakan objek benda

dengan variasi berat yang berbeda-beda berjumlah 10 objek benda. Tampilan pengujian alat ukur berat dapat diwakilkan pada penjelasan dan gambar-gambar dibawah ini. Pengujian berat objek berupa setrika

Gambar 6.1 Pengukuran berat objek menggunakan timbangan manual

Timbangan manual yang digunakan pada Gambar 6.1 di atas menggunakan

timbangan yang tampilan hasilnya berupa gram dengan berat 881(gram). Karena pada serial monitor menggunakan satuan berupa kilogram dengan maksimal 1 angka dibelakang koma, maka hasil dari timbangan manual dijadikan hasil kilogram dengan membagi nilai hasil timbangan manual dengan nilai 1.000 yang hasil berat objeknya menjadi 0,8 kilogram(kg). Setelah didapatkan hasil berat manual, lakukan pengujian terhadap sensor load cell yang ditampilkan pada Gambar 6.2.

Gambar 6.2 Pengukuran berat menggunakan sensor berat

49

Setelah objek ditempatkan pada posisi sensor berat maka selanjutnya, dapat dilihat hasil pembacaan beratnya pada serial monitor. Hasil pembacaan nilai dapat dilihat pada Gambar 6.3.

Gambar 6.3 hasil pembacaan berat dari sensor berat

Pengujian berat objek berupa laptop

Pengujian kedua dilakukan pada objek lain dengan berat yang berbeda dari sebelumnya, ditampilkan pada gambar dibawah ini.

Gambar 6.4 Pengukuran berat objek lain menggunakan timbangan manual

Gambar 6.4 menunjukkan bahwa berat objek tersebut sebesar 2.608(gram).

Karena pada serial monitor menggunakan satuan berupa kilogram dengan maksimal 1 angka dibelakang koma, maka hasil dari timbangan manual dijadikan hasil kilogram dengan membagi nilai hasil timbangan manual dengan nilai 1.000 yang hasil berat objeknya menjadi 2,6 kilogram(kg). Setelah didapatkan hasil berat manual, lakukan pengujian terhadap alat ukur sistem yang ditampilkan pada Gambar 6.5.

50

Gambar 6.5 Pengukuran berat menggunakan sensor berat

Setelah objek ditempatkan pada posisi sensor berat maka selanjutnya,

dapat dilihat hasil pembacaan beratnya pada serial monitor. Hasil pembacaan nilai dapat dilahat pada Gambar 6.6.

Gambar 6.6 hasil pembacaan berat dari sensor berat

Dari beberapa pengujian yang dilakukan terhadap objek-objek yang telah

diuji, Tabel 6.1 menjabarkan hasil pengujian yang telah dilakukan, berdasarkan langkah pengujian di atas.

Tabel 6.1 Hasil perbandingan pengujian berat menggunakan timbangan manual

dengan sensor berat

No

Data Berat menggunakan Timbangan manual (kg)

Data Berat menggunakan Sensor berat (kg)

Selisih Kesalahan (%)

1 0,8 0,8 0 0 2 1,3 1,3 0 0 3 2,6 2,6 0 0

51

No

Data Berat menggunakan Timbangan manual (kg)

Data Berat menggunakan Sensor berat (kg)

Selisih Kesalahan (%)

4 2,3 2,3 0 0 5 3,8 3,7 0.1 2.6 6 3,4 3,1 0.3 8.8 7 4,7 4,5 0.2 4.2 8 4,4 4,3 0.1 2.2 9 5,3 5,2 0.1 1.9

10 5,1 5 0.1 2 Rata-Rata 0.09 2.17

E.) Analisis

Pengujian sensor berat dengan timbangan manual ini menggunakan 10 objek benda dengan berat yang bervariasi. Dari Tabel 6.1 didapatkan selesih terkecil antar data sebesar 0 dengan persentase kesalahan sebesar 0% dari skala 100%. Kesimpulan dari pengujian sensor berat (load cell) yaitu nilai total rata-rata selisih kesalahan sebesar 0,09 dengan persentase kesalahan sebesar 2.17% dari skala 100%, yang dapat disimpulkan bahwa keakuratan dari dari sensor berat yang diterapkan pada sistem ini sebesar 97,83%.

6.1.2 Pengujian penyimpanan data

Pengujian ini untuk mengetahui penyimpanan data ke basis data apakah sudah berfungsi sesuai dengan yang diharapkan. Pengujian akan dijabarkan pada penjelasan dibawah ini.

A.) Tujuan Untuk mengetahui kesesuaian antara hasil data yang ditampilkan melalui

web browser serta data yang disimpan kedalam basis data.

B.) Peralatan 1. XAMPP 2. Basis data MySQL 3. Web browser 4. Sistem klasifikasi status gizi bayi

C.) Prosedur pengujian

1. Memasukkan informasi data sampel pada sub menu Input Data Uji/Latih. Pada pengujian ini menggunakan masukan data seperti Tabel 6.2. Tabel 6.2 masukan informasi data pada sistem untuk pengujian basis data

No. Pengujian Sub menu

Tanggal Pemeriksaan

Nama Bayi

Jenis Kelamin

Umur

Berat Badan

Status Gizi

1 Input Data Uji

2017-04-13 Bayi ke-1 Laki-laki 1 4 3 2 2017-04-14 Bayi ke-2 parempuan 2 5 3

52

No. Pengujian Sub menu

Tanggal Pemeriksaan

Nama Bayi

Jenis Kelamin

Umur

Berat Badan

Status Gizi

3

2017-04-15 Bayi ke-3 Laki-laki 3 6 3 4 2017-04-16 Bayi ke-4 parempuan 4 7 4 5 2017-04-17 Bayi ke-5 Laki-laki 5 8 3 6

Input Data Latih

2017-04-18 Bayi ke-6 Laki-laki 6 9 3 7 2017-04-19 Bayi ke-7 perempuan 7 10 4 8 2017-04-20 Bayi ke-8 laki-laki 8 11 4 9 2017-04-21 Bayi ke-9 perempuan 9 12 4

10 2017-04-22 Bayi ke-10 laki-laki 10 13 4 2. Menyimpan data ke basis data dengan menekan tombol Simpan Data. 3. Menampilkan data yang telah dimasukkan ke basis data dengan memilih

sub menu Lihat Data Uji/Latih.

D.) Hasil Pengujian basis data pertama dilakukan pada sub menu Input Data Uji. Data

yang dijadikan contoh diambil dari Tabel 6.2 dengan masukan data nomor 1. Gambar masukan data pada sub menu Input Data Uji dapat dilihat pada Gambar 6.7.

Gambar 6.7 Pengujian basis data dengan masukan informasi data pada sub

menu Input Data Uji

Setelah kolom sudah terisi, tekan tombol Simpan Data sehingga sistem

langsung menampilkan data-data uji yang sebelumnya telah di masukkan di antarmuka pengguna sistem. Contoh tampilan dapat dilihat pada Gambar 6.8.

53

Gambar 6.8 Tampilan basis data pada sistem sub menu Lihat Data Uji

Pengujian basis data yang kedua dilakukan pada sub menu Input Data Latih. Data yang dijadikan contoh diambil dari Tabel 6.2 dengan masukan data nomor 7. Gambar masukan data pada sub menu Input Data Latih dapat dilihat pada Gambar 6.9 .

Gambar 6.9 Pengujian basis data dengan masukan informasi data pada sub

menu Input Data Latih

Setelah kolom sudah terisi, tekan tombol Simpan Data sehingga sistem

langsung menampilkan data-data latih yang telah di masukkan ke dalam sistem. Contoh gambar dapat dilihat pada Gambar 6.10.

54

Gambar 6.10 Tampilan basis data pada sistem sub menu Lihat Data Latih

Berikut adalah hasil pengujian sistem yang dilakukan dengan data sebanyak 10 yang melibatkan sub menu Input Data Uji/Latih dan Lihat Data Uji/ Latih. Hasil pengujian selengkapnya ditunjukkan dalam Tabel 6.3.

Tabel 6.3 Hasil pengamatan kesesuaian data masukan dengan data pada basis data sistem

No Pengujian Sub menu

Tanggal Pemeriksaan

Nama Bayi

Jenis Kelamin

Umur

Berat Badan

Status Gizi

Keterangan

1

Input Data Uji

2017-04-13 Bayi ke-1 Laki-laki 1 4 3 Sesuai 2 2017-04-14 Bayi ke-2 Parempuan 2 5 3 Sesuai 3 2017-04-15 Bayi ke-3 Laki-laki 3 6 3 Sesuai 4 2017-04-16 Bayi ke-4 Parempuan 4 7 4 Sesuai 5 2017-04-17 Bayi ke-5 Laki-laki 5 8 3 Sesuai 6

Input Data Latih

2017-04-18 Bayi ke-6 Laki-laki 6 9 3 Sesuai 7 2017-04-19 Bayi ke-7 Perempuan 7 10 4 Sesuai 8 2017-04-20 Bayi ke-8 laki-laki 8 11 4 Sesuai 9 2017-04-21 Bayi ke-9 Perempuan 9 12 4 Sesuai

10 2017-04-22 Bayi ke-10 laki-laki 10 13 4 Sesuai

E.) Analisis Pengujian yang dilakukan menggunakan 5 data sampel untuk diujikan pada

sub menu Input Data Uji dan 5 data sampel untuk diuji pada sub menu Input Data Latih. Dari total keseluruhan data, terbukti hasil keseluruhan yang ditampilkan pada basis data sistem sesuai dengan semua data yang telah dimasukkan pada Input Data Uji/Latih, sehingga persentase keakuratan untuk pengujian fungsi penyimpanan data ke basis data sebesar 100%.

6.2 Pengujian nilai K terhadap data status gizi bayi Pengujian ini untuk pencarian nilai K terbaik yang akan dipergunakan untuk

nilai K tetap pada metode K-Nearest Neighbor, pengujian dapat dijabarkan pada penjelasan dibawah ini.

55

A.) Tujuan Untuk mencari nilai K terbaik dengan melakukan pengujian nilai K dari 1 -

10. Sehingga nilai K dengan keakuratan tertinggi akan dijadikan nilai K tetap pada metode K-Nearest Neighbor.

B.) Peralatan

1. XAMPP 2. Aplikasi Bracket untuk mengganti nilai K pada pemrograman PHP 3. Web browser 4. Sistem klasifikasi status gizi bayi

C.) Prosedur Pengujian

1. Menentukan parameter nilai K untuk dijadikan pengujian (nilai K dari 1 10). Untuk menguji coba nilai K yang sudah ditentukan, awal

pengujiannya merubah-rubah nilai K sesuai nilai yang diujikan pada pemrograman metode K-Nearest Neighbor di perangkat lunak Bracket.

2. Setelah merubah nilai K pada pemrograman K-NN, selanjutnya masukkan informasi data bayi berupa jenis kelamin, umur, dan berat badan yang dibutuhkan untuk dapat menampilkan hasil status gizi pada antarmuka pengguna.

3. Tekan tombol Lihat Hasil Untuk mengetahui hasil status gizi yang dihasilkan sistem.

4. Mencatat data hasil keluaran status gizi dari sistem ke Microsoft Excel.

5. Membandingkan data hasil status gizi keluaran dari sistem dengan data hasil status gizi dari Antropometri.

6. Menghitung jumlah keakurasian data hasil yang didapat dari sistem. D.) Hasil

Tabel 6.4 merupakan masukan untuk sistem berupa jenis kelamin, umur(bulan), dan berat badan(kg) agar dapat menampilkan hasil keluaran status gizi bayi pada sistem, dan dapat langsung dibandingkan hasil keluarannya dengan hasil status gizi Antropometri sehingga bisa dicari jumlah benar dari keluaran sistem.

Tabel 6.4 Data masukan pada sistem untuk pengujian nilai K

No Jenis Kelamin Umur Berat Badan Hasil Status Gizi Manual

1 Laki-laki 3 4 1 2 Laki-laki 12 6 1 3 Laki-laki 20 8 1 4 Perempuan 1 2,5 1 5 Perempuan 7 5 1

56

No Jenis Kelamin Umur Berat Badan Hasil Status Gizi Manual

6 Perempuan 13 6 1 7 Laki-laki 4 5 2 8 Laki-laki 8 6,5 2 9 Laki-laki 23 9 2 10 Perempuan 9 6 2 11 Perempuan 11 6,5 2 12 Perempuan 30 9 2 13 Laki-laki 1 5 3 14 Laki-laki 16 9 3 15 Laki-laki 25 13,9 3 16 Perempuan 5 5,5 3 17 Perempuan 19 12 3 18 Perempuan 29 15 3 19 Laki-laki 18 14 4 20 Laki-laki 27 17,5 4 21 Laki-laki 33 19,9 4 22 Perempuan 6 10 4 23 Perempuan 14 14 4 24 Perempuan 26 17,7 4

Pada semua data masukan parameter di atas akan diuji coba menggunakan nilai K dari 1 10. Pada pengujian ini akan diambil data uji coba dari Tabel 6.4 pada nomor 2 dengan nilai K=1. Hasil keluaran status gizi dari sistem yang telah dimasukkan data parameternya dapat dilihat pada Gambar 6.11.

Gambar 6.11 Uji coba nilai K=1

Didapatlah hasil bahwa dengan parameter jenis kelamin laki-laki, dengan umur 12 bulan, dan berat badan 6 kilogram mendapatkan hasil keluaran status gizi

57

sistem dengan nilai 1 yang berarti bahwa status gizinya buruk. Ketika dibandingkan dengan hasil status gizi Antropometri, hasil status gizinya sama yang berarti hasil keluaran dari sistem sesuai dengan hasil status gizi dari Antropometri.

Dari semua hasil keluaran dari sistem dapat dibandingkan nilai hasil keluaran sistem dengan nilai hasil status gizi dari Antropometri yang tabel keseluruhannya akan ditampilkan pada lampiran. Hasil perbandingan persentase tingkat keakurasiannya, dari masing-masing nilai K yang dituliskan pada Tabel 6.5.

Tabel 6.5 Jumlah nilai keakurasian dari masing-masing nilai K

Nilai K Jumlah data benar dari

24 data

Keakurasian (%)

K = 1 12 50 K = 2 13 54,16 K = 3 14 58,33 K = 4 12 50 K = 5 15 62,50 K = 6 15 62,50 K = 7 14 58,33 K = 8 13 54,16 K = 9 9 37,50 K = 10 7 29,16

E.) Analisis Dari seluruh pengujian untuk pencarian nilai K terbaik dengan uji coba nilai

1 10 telah dilakukan dan menghasilkan data pada Tabel 6.5. Sehingga dapat ditentukan, yang mana nilai K dengan hasil persentase keakuratan tertinggi akan dijadikan nilai K tetap pada metode klasifikasi. Ditunjukkan pada Tabel 6.5 semua hasil persentase keakuratan dari masing-masing nilai K. Nilai K=5 dan K=6 dengan perolehan persentase nilai yang sama dan yang paling tinggi dari lainnya. Karena nilai K untuk sistem dapat dipilih antara K=5 atau K=6, maka pada penerapan untuk nilai K di metode ini menggunakan nilai K=5.

6.3 Pengujian sistem klasifikasi status gizi bayi Pada pengujian ini melakukan pengujian untuk keseluruh sistem dimana

sistem dapat menampilkan hasil data sensor berat, dan hasil pengklasifikasian status gizi.

A.) Tujuan Untuk menguji apakah sistem mampu menampilkan hasil data berat dan

hasil pengklasifikasian status gizi yang akurat berdasarkan rancangan yang dibuat.

58

B.) Peralatan 1. Arduino IDE 2. Sensor berat 3. XAMPP 4. Web browser 5. Sistem klasifikasi status gizi bayi 6. Benda bervariasi berat dengan jumlah 5 objek benda. 7. Timbangan berat manual

C.) Prosedur Pengujian 1. Menghubungkan NodeMCU ESP8266 dengan kabel USB FTDI ke

Komputer/PC. 2. Membuka aplikasi arduino IDE. 3. Meng-upload program pada arduino IDE dengan memilih menu

upload. 4. Mengisi informasi data bayi pada tampilan web. 5. Meletakkan objek yang ingin dibaca nilai beratnya di atas baki, setelah

itu tampilkan hasil pengukurannya dengan menekan tombol Tampilkan pada web.

6. Pastikan informasi data bayi khususnya jenis kelamin dan umur telah terisi.

7. Tekan tombol Lihat Hasil untuk melihat hasil pengklasifikasian status gizi bayi.

8. Tekan tombol Simpan Data agar data yang diperoleh semuanya bisa tersimpan di basis data.

9. Bandingkan hasil manual dengan hasil keluaran yang dihasilkan sistem D.) Hasil

Berikut hasil pengujian keseluruhan sistem yang mengharuskan pengambilan acak beberapa data sampel untuk mengisi kolom tanggal pemeriksaan, nama bayi, jenis kelamin, dan umur serta pengambilan nilai data sensor dengan melibatkan objek benda dengan berat yang bervariasi. Contoh pengujian dapat dilihat pada Gambar 6.12.

59

Gambar 6.12 Contoh pengujian keseluruhan sistem

Gambar 6.12 menunjukkan screenshot hasil pengujian pada kondisi ketika kolom pada tanggal pemeriksaan, nama bayi, jenis kelamin, dan umur ini perolehan datanya diambil secara acak dan dimasukkan di antarmuka sistem. Berbeda pada kolom berat badan dan status gizi yang diperlukan menekan tombol terlebih dahulu agar hasil data dapat tampil pada web. Setelah semua data didapat maka sistem bisa dapat menyimpan data ke basis data dengan menekan tombol Simpan Data, contoh hasil pengujian dapat dilihat pada Gambar 6.13.

Gambar 6.13 Tampilan basis data pada sistem sub menu Lihat Data Uji

Dari pengujian di atas dapat dilihat hasil nya pada Tabel 6.6 nomor 3 dengan baris yang berwarna biru. Selisih berat antara berat badan manual(kg) dengan berat badan yang diambil oleh sistem(kg) sebesar 0,3 dengan hasil status gizi yang sama. Untuk keseluruhan hasil pengujian dapat dijabarkan pada Tabel 6.6.

60

Tabel 6.6 Hasil pengamatan dari pengujian keseluruhan sistem

No Jenis Kelamin

Umur Berat Badan Sistem (kg)

Berat Badan Manual (kg)

Status Gizi Sistem

Status Gizi Antropometri

1 Laki-laki 1 1,3 1,32 1 1 2 Laki-laki 1 2,11 2,12 1 1 3 Laki-laki 1 3,58 3,88 3 3 4 Laki-laki 1 4,5 4,72 3 3 5 Laki-laki 1 5,22 5,33 3 3 6 Laki-laki 8 1,24 1,32 1 1 7 Laki-laki 8 2,18 2,12 1 1 8 Laki-laki 8 3,31 3,88 1 1 9 Laki-laki 8 4,35 4,72 1 1

10 Laki-laki 8 5,32 5,33 1 1 11 Laki-laki 16 1,24 1,32 1 1 12 Laki-laki 16 2,21 2,12 1 1 13 Laki-laki 16 3,28 3,88 1 1 14 Laki-laki 16 4,49 4,72 1 1 15 Laki-laki 16 5,28 5,33 1 1 16 Laki-laki 24 1,24 1,32 1 1 17 Laki-laki 24 2,21 2,12 1 1 18 Laki-laki 24 3,3 3,88 1 1 19 Laki-laki 24 4,46 4,72 1 1 20 Laki-laki 24 5,34 5,33 1 1 21 Laki-laki 32 1,41 1,32 1 1 22 Laki-laki 32 2,21 2,12 1 1 23 Laki-laki 32 3,8 3,88 1 1 24 Laki-laki 32 4,54 4,72 1 1 25 Laki-laki 32 5,15 5,33 1 1 26 Perempuan 1 1,24 1,32 1 1 27 Perempuan 1 2,2 2,12 1 1 28 Perempuan 1 3,45 3,88 3 3 29 Perempuan 1 4,71 4,72 3 3 30 Perempuan 1 5,21 5,33 3 3 31 Perempuan 8 1,24 1,32 1 1 32 Perempuan 8 2,22 2,12 1 1 33 Perempuan 8 3,27 3,88 1 1 34 Perempuan 8 4,39 4,72 1 1 35 Perempuan 8 5,3 5,33 1 1 36 Perempuan 16 1,24 1,32 1 1 37 Perempuan 16 2,21 2,12 1 1 38 Perempuan 16 3,2 3,88 1 1 39 Perempuan 16 4,47 4,72 1 1 40 Perempuan 16 5,19 5,33 1 1 41 Perempuan 24 1,23 1,32 1 1 42 Perempuan 24 2,2 2,12 1 1 43 Perempuan 24 3,31 3,88 1 1

61

No Jenis Kelamin

Umur Berat Badan Sistem (kg)

Berat Badan Manual (kg)

Status Gizi Sistem

Status Gizi Antropometri

44 Perempuan 24 4,53 4,72 1 1 45 Perempuan 24 5,31 5,33 1 1 46 Perempuan 32 1,3 1,32 1 1 47 Perempuan 32 2,21 2,12 1 1 48 Perempuan 32 3,53 3,88 1 1 49 Perempuan 32 4,54 4,72 1 1 50 Perempuan 32 5,17 5,33 1 1 Rata-rata kesalahan 0,18 0 Persentase kesalahan 5,5% 0%

E.) Analisis Dari hasil keseluruhan pengujian di atas dapat diketahuai bahwa selisih terkecil

dari keseluruhan pengujian berat sebesar 0,01 dengan persentase kesalahan sebesar 0,47%.

Kesimpulan yang didapatkan berdasarkan data hasil pengujian pada Tabel 6.13 dapat diketahui total nilai rata-rata selisih pada nilai data berat yang dihasilkan sistem sebesar 0,18 dengan persentase kesalahan sebesar 5,5%. Sedangkan pengujian yang dilakukan terhadap pengklasifikasian total kesalahannya 0 dengan persentase kesalahan 0%. Sehingga dapat disimpulkan bahwa total kesalahan keseluruhan sistem sebesar 5,5% dengan akurasi sebesar 94,5% dari skala 100%.

62

BAB 7 PENUTUP

7.1 Kesimpulan Berdasarkan hasil penelitian yang telah dibuat dari rumusan masalah, hasil

perancangan, implementasi perangkat keras serta perangkat lunak dan pengujian analisis yang dilakukan, maka dapat disimpulkan sebagai berikut: 1. Pada implementasi sistem klasifikasi status gizi bayi, penerapan perangkat

keras yang digunakan untuk pengukuran berat badan melibatkan rangkaian berupa sensor berat, modul HX711, yang dihubungkan dengan mikrokontroler NodeMCU ESP8266. Nilai data pembacaan yang didapat dari sensor diolah oleh mikrokontroler dan dikirimkan secara wireless untuk dapat ditampilkan pada PC/Komputer. Sehingga data sensor yang telah dikirim ke komputer dapat digunakan sebagai parameter pengklasifikasian status gizi bayi. Lain hal dengan penerapan perangkat lunak pada sistem. Penerapannya berupa halaman web sebagai antarmuka pengguna. Pada halaman web terdapat beberapa kolom untuk masukan data bayi berupa jenis kelamin dan umur yang akan digunakan untuk parameter pengklasifikasian status gizi bayi. Selain itu terdapat fungsi untuk penyimpanan data ke basis data. Hasil pengujian fungsional perangkat keras untuk pembacaan nilai berat yang dibandingkan dengan timbangan berat badan manual menghasilkan persentase kesalahan sebesar 2,17% dengan tingkat keakurasian sensor berat sebesar 97,83%. Sedangkan pengujian fungsional perangkat lunak pada penyimpanan basis data didapatkan hasil bahwa persentase kesalahan dari pengujian sebesar 0% dengan keakuratan 100%.

2. Pada implementasi sistem klasifikasi status gizi bayi ini menggunakan metode K-Nearest Neighbor. Untuk melakukan pengklasifikasian status gizi, dilakukan terlebih dahulu penentuan nilai K yang digunakan sebagai pengelompokan tetangga terdekat dari data uji berdasarkan jarak Euclidean terkecil. Untuk menentukan nilai K dilakukan uji coba antara nilai 1 hingga 10 dengan masukan data sampel untuk dapat dibandingkan hasil keluaran sistem dengan hasil status gizi Antropometri. Sehingga dapat dicari jumlah benar pada tiap nilai K. Hasil dengan keakuratan tertinggi akan ditetapkan pada K-Nearest Neighbor. Berdasarkan pengujian, didapatkan kesimpulan untuk pencarian nilai K, bahwa tingkat keakuratan tertinggi dari nilai ketika K=5 dan K=6 dengan persentase sebesar 62,50%. Sehingga untuk penerapan nilai K pada metode, dapat dipilih menggunakan K=5 atau K=6. Namun pada penerapan metode ini menggunakan nilai K yang ganjil yaitu K=5. Hal ini bertujuan untuk memperkecil kemungkinan terjadinya dua jumlah data yang sama dalam hasil pengklasifikasian status gizi bayi.

3. Metode K-Nearest Neighbor diterapkan pada sistem klasifikasi status gizi bayi menggunakan pemrograman SQL. Untuk melakukan pengklasifikasian dibutuhkan data uji dengan parameter pengklasifikasian berdasarkan jenis kelamin, umur, dan pengukuran berat badan menggunakan sensor yang hasil pembacaan datanya dikirimkan mikrokontroler secara wireless ke komputer

63

lalu ditampilkan di halaman web. Sehingga setelah ketiga parameter telah terpenuhi sistem dapat mengklasifikasikan gizi dan menampilkan hasil pengklasifikasian pada halaman web. Dari hasil analisa pengujian keseluruhan sistem, didapatkan kesimpulan berupa persentase akurasi sistem sebesar 94,5% dengan kesalahan 5,5%. Sehingga dapat disimpulkan bahwa semua komponen dari perangkat keras maupun lunak sudah bekerja sesuai alur perancangan sistem.

7.2 Saran Saran agar sistem ini bisa dikembangkan untuk penelitian selanjutnya yaitu:

1. Diharapkan sistem ini dapat diimplementasikan pada bayi tanpa batasan umur.

2. Menambah jumlah data latih sebanyak mungkin sehingga mengurangi tingkat persentase kesalahan pada sistem.

3. Disarankan untuk menggunakan metode pengklasifikasian lain, untuk dapat membandingkan hasil akurasi dari tiap metode.

64

DAFTAR PUSTAKA

Briawan, K. N. d. D., 2010. KONSUMSI PANGAN, PENYAKIT INFEKSI, DAN STATUS GIZI ANAK BALITA PASCA PERAWATAN GIZI BURUK.

Direktorat Bina Gizi, K. K. R. I., 2016. Data Balita. [Online] Available at: http://gizi.depkes.go.id/sms-gateway/index.php?go=home.main [Diakses 16 Desember 2016].

Doxygen, 2017. upm 1.2.0. [Online] Available at: https://iotdk.intel.com/docs/master/upm/classupm_1_1_h_x711.html

Harper LJ, D. B. D. J., 1986. Pangan Gizi dan Pertanian. Jakarta: UI Press.

Hasani, S. A., 2015. Klasifikasi Status Gizi Menggunakan K-nearest Neighbor. Klasifikasi Status Gizi Menggunakan K-nearest Neighbor, Juli.

JualArduino.com, 2015. Weight Sensor 20KG / Load Cell 20Kg. [Online] Available at: https://www.jualarduino.com/weight-sensor-20kg-load-cell-20kg/

Kementerian Kesehatan RI, 2010. Keputusan Menteri Kesehatan Republik Indonesia Tentang Standar Antropometri Penilaian Status Gizi Anak. 30 Desember.

Khakim, A. L., 2015. RANCANG BANGUN ALAT TIMBANG DIGITAL BERBASIS AVR TIPE ATMEGA32.

Khoiruddin, A. M., 2015. PENGEMBANGAN ALAT UKUR TINGGI BADAN DAN BERAT BADAN DIGITAL YANG TERINTEGRASI. PENGEMBANGAN ALAT UKUR TINGGI BADAN DAN BERAT BADAN DIGITAL YANG TERINTEGRASI, 22 September.

Kloppenborg, B., 2017. Getting started with the esp8266 (ESP-12e). [Online] Available at: http://www.kloppenborg.net/blog/microcontrollers/2016/08/02/getting-started-with-the-esp8266

Kresnawan, T., 2016. DIET RENDAH PROTEIN DAN PENGGUNAAN PROTEIN NABATI PADA PENYAKIT GINJAL KORNIK. p. 1.

Latulumamna, M., 2013. KORELASI ANTARA UMUR DAN BERAT BADAN SAPI BALI (Bos sondaicus) DI PULAU SERAM.

Medika, G., 2017. Timbangan Digital Omron - HN286. [Online] Available at: http://www.galerimedika.com/Timbangan/Timbangan-Digital-Omron-HN286

65

Nurchasanah, E. P., 2016. METERAN UKUR WIRELESS UNTUK PANJANG BADAN DAN LINGKAR KEPALA BAYI BERBASIS ARDUINO DAN NRF24L01. Malang: s.n.

PasarDino, 2017. PasarDino : eyebee. [Online] Available at: http://www.dinomarket.com/PasarDino/37657032/Jual-TIMBANGAN-BADAN-TANITA-HA623/

Yuliansyah, H., 2016. Uji Kinerja Pengiriman Data Secara Wireless Menggunakan Modul ESP8266 Berbasis Rest Architecture.