SISTEM INFERENSI FUZZY UNTUK PENENTUAN STATUS GIZI MENGGUNAKAN PENDEKATAN INDEKSMASSA TUBUH (IMT)

Authors

  • Muhammad Furqon Siregar Universitas Pembinaan Masyarakat Indonesia, Indonesia Author
  • Siti Sarah Harahap Universitas Satya Terra Bhinneka, Indonesia Author

DOI:

https://doi.org/10.54314/jssr.v9i5.7350

Keywords:

fuzzy logic, mamdani, nutritional status, body mass index, decision support system

Abstract

Abstract: Nutritional status is an important indicator in assessing public health. The conventional method of determining nutritional status based on Body Mass Index (BMI) is crisp, making it less able to represent ambiguous conditions around category boundaries. This study applies a Mamdani Fuzzy Inference System (FIS) to determine nutritional status based on BMI, using population data from a sub-district (kelurahan) in the city of Medan as a case study. The research stages include BMI calculation, fuzzification, inference using a rule base, and defuzzification using the centroid method. Testing on 20 sample data points shows that the fuzzy system produces results consistent with the conventional method in 75% of cases, while the remaining 25% occur in borderline BMI values where the fuzzy system provides a more nuanced classification than the rigid conventional threshold. These findings indicate that the fuzzy approach offers a smoother and more representative classification of nutritional status, and can serve as a decision-support tool for community health workers (kader posyandu) and healthcare practitioners.

Keyword: Fuzzy Logic, Mamdani, Nutritional Status, Body Mass Index, Decision Support System.

 

Abstrak: Status gizi merupakan indikator penting dalam menilai derajat kesehatan masyarakat. Metode konvensional penentuan status gizi berdasarkan Indeks Massa Tubuh (IMT) bersifat tegas (crisp) sehingga kurang mampu merepresentasikan kondisi ambigu di sekitar batas kategori. Penelitian ini menerapkan Fuzzy Inference System (FIS) metode Mamdani untuk menentukan status gizi berdasarkan IMT, dengan studi kasus data masyarakat di salah satu kelurahan di Kota Medan. Tahapan penelitian meliputi perhitungan IMT, fuzzifikasi, inferensi menggunakan rule base, dan defuzzifikasi dengan metode centroid. Hasil penelitian menunjukkan bahwa sistem fuzzy mampu memberikan klasifikasi status gizi yang lebih halus dan representatif dibandingkan metode ambang batas konvensional, sehingga dapat menjadi alat bantu pendukung keputusan bagi kader posyandu maupun tenaga kesehatan.

Kata kunci: Logika Fuzzy, Mamdani, Status Gizi, Indeks Massa Tubuh, Sistem Pendukung Keputusan.

Downloads

Download data is not yet available.

References

Ambon, M. Y., Lili, J. V., Bandhaso, V., Masna, W., & Anandita, S. (2025). Implementasi Logika Fuzzy Mamdani Dalam Klasifikasi Kategori Berat Badan Berbasis IMT. Infotek : Jurnal Informatika Dan Teknologi, 8(2).

Dinas Kesehatan Provinsi Sumatera Utara. (2025). Angka Stunting Masih Tinggi! Dinkes Sumut Kumpulkan Seluruh Pengelola Gizi di Pertemuan Manajemen Program Gizi 2025. Dinas Kesehatan Provinsi Sumatera Utara. https://dinkes.sumutprov.go.id/artikel/angka-stunting-masih-tinggi-dinkes-sumut-kumpulkan-seluruh-pengelola-gizi-di-pertemuan-manajemen-program-gizi-2025-1751272070

Fauziah, F., Apriansyah, A., Saputra, T. I., & Wijaya, Y. F. (2019). Desain Mesin Compiler untuk Penganalisa Leksikal, Sintaksis, Semantik, Kode Antara dan Error Handling Pada Bahasa Pemrograman Sederhana. Journal of Applied Informatics and Computing, 3(1), 01–07. https://doi.org/10.30871/jaic.v3i1.1153

Pemerintah Kota Medan. (2024). Penurunan Stunting di Medan Termasuk Tertinggi di Indonesia, Bobby Nasution: Jangan Berpuas Diri. Portal Resmi Pemerintah Kota Medan. https://portal.medan.go.id/berita/penurunan-stunting-di-medan-termasuk-tertinggi-di-indonesia-bobby-nasution-jangan-berpuas-diri__read4455.html

Pemerintah Provinsi Sumatera Utara. (2024). Prevalensi Stunting di Sumut Berhasil Turun Signifikan Jadi 18,9%, Pj Gubernur Optimis Capai Target 2024. Pemerintah Provinsi Sumatera Utara. https://sumutprov.go.id/artikel/artikel/prevalensi-stunting-di-sumut-berhasil-turun-signifikan-jadi-18-9-pj-gubernur-optimis-capai-target-2024

Rusli, M. (2017). Dasar Perancangan Kendali Logika Fuzzy (T. U. Perss (ed.)). UB Press. https://books.google.co.id/books?id=mwRODwAAQBAJ&printsec=copyright&hl=id&source=gbs_pub_info_r#v=onepage&q&f=false

Sihananto, A. N., Nurlaili, A. L., Studi, P., Fakultas, I., Komputer, I., Kunci, K., Fuzzy, L., & Tubuh, I. M. (2025). Implementasi Logika Fuzzy Untuk Pemeriksaan Gizi Berdasarkan IMT Pada Aplikasi Fitpriority. 11(1), 57–69. https://doi.org/10.33050/cices.v11i1.3502

Ulia, N., & Humairah, S. (2025). IMPLEMENTASI METODE FUZZY TSUKAMOTO DAN TOPSIS DALAM PENENTUAN STATUS GIZI ANAK BERDASARKAN INDEKS MASSA TUBUH ( IMT ). 2(3), 244–259.

Furqon, M. (2022). Design of automatic hand washing system using solenoid valve based on microcontroller. Furqon, 10(3), 20–25.

Furqon, M., Imam, C., & Nasution, A. (2020). Pemanfaatan solenoid valve dan sensor HC-SR04 sebagai pencuci tangan otomatis. 7, 65–71.

Harahap, S. S., Simamora, W. S., & Hadistio, R. R. (2023). Implementation of fuzzy logic in detecting air temperature based on microcontroller. Brilliance: Research of Artificial Intelligence, 3(2), 155–161. https://doi.org/10.47709/brilliance.v3i2.3023

Harahap, S. S., et al. (2024). Pemanfaatan AI (Artificial Intelligence) dalam pengenalan kebinekaan Indonesia di sekolah. Jurnal PKM Pengabdian kepada Masyarakat, 7(6), 825–832. http://dx.doi.org/10.30998/jurnalpkm.v7i6.26411

Harahap, S. S., et al. (2024). Pengenalan teknologi AI berkelanjutan melalui pelatihan partisipatif dan pendekatan interdisipliner untuk mendorong inovasi pendidikan di kalangan pelajar. Jurnal PKM Pengabdian kepada Masyarakat, 7(6), 841–845. http://dx.doi.org/10.30998/jurnalpkm.v7i6.26709

Siregar, M. F., & Imam, C. (2022). Application of the fuzzy logic method in determining the volume of water discharge to the number of humans based on a microcontroller. Journal of Science Technology (JoSTec), 4(1), 187–192. https://doi.org/10.55299/jostec.v4i1.260

Siregar, M. F., & Imam, C. (2024). Utilizing fuzzy logic to create a prototype robot for load detection. Jurnal Mantik, 7(4), 3807–3815. https://doi.org/10.35335/mantik.v7i4.4876

Downloads

Published

2026-10-21

How to Cite

SISTEM INFERENSI FUZZY UNTUK PENENTUAN STATUS GIZI MENGGUNAKAN PENDEKATAN INDEKSMASSA TUBUH (IMT). (2026). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 9(5), 8575 – 8580. https://doi.org/10.54314/jssr.v9i5.7350