ANALISIS JURNAL SAINS DAN INFORMATIKA
“IDENTIFIKASI OBESITAS PADA BALITA DI POSYANDU BERBASIS ARTIFICIAL
INTELLIGENCE”
A. Artificial Intelligence
1. Pengertian AI
Kecerdasan
Buatan (bahasa Inggris: Artificial Intelligence atau AI)
didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini
umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu
mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan
manusia.
Beberapa
macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar,
permainan komputer (games), logika fuzzy, jaringan syaraf tiruan
dan robotika.
Walaupun
AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat
penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan
adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut
pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku
cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan,
kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan
tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu
tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan
yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi,
obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa
aplikasi perangkat lunak komputer rumah dan video game.
2. Konsep Dasar AI
Pembelajaran Mesin
(Machine Learning)
Saat ini mungkin tanpa sadar kita
sudah berinteraksi dengan beberapa bentuk kecerdasan buatan dalam aktivitas sehari-hari.
Misalnya saja jika Anda menggunakan Gmail, Anda dapat menikmati fitur
penyaringan email otomatis atau jika Anda memiliki ponsel cerdas, Anda mungkin
bisa mengisi kalender dengan bantuan Siri. Meskipun perangkat lunak ini sangat
membantu, perangkat tersebut tidak memiliki kemampuan untuk belajar secara
mandiri. Hal itu dikarenakan perangkat tadi tidak bisa berpikir di luar kode
yang sudah diberikan kepada mereka.
Pembelajaran mesin adalah cabang dari
AI yang bertujuan untuk memberikan mesin kemampuan dalam mempelajari tugas
tanpa kode yang sudah ada. Dalam istilah yang paling sederhana, mesin tersebut
akan diberikan contoh uji coba dalam jumlah yang besar untuk tugas tertentu.
Ketika mesin tadi menjalani uji coba, mesin itu akan belajar dan mengadaptasi
strategi yang sesuai untuk mencapai tujuan yang diinginkan. Misalnya, mesin
pengenal gambar dapat diberikan jutaan gambar untuk dianalisis. Setelah melalui
permutasian yang panjang, mesin akan memperoleh kemampuan untuk mengenali pola,
bentuk, wajah, dan masih banyak lagi.
Pembelajaran
Mendalam (Deep Learning)
Pembelajaran mendalam adalah teknik
pembelajaran mesin yang mengajarkan komputer untuk melakukan apa yang secara
alami terjadi pada manusia: belajar dengan cara mencontoh. Pembelajaran mendalam
adalah teknologi utama di balik mobil tanpa kemudi (driveless car). Itu
memungkinkan mereka untuk mengenali tanda berhenti, atau untuk membedakan
pejalan kaki dengan tiang lampu. Ini adalah kunci dari kontrol suara di
perangkat konsumen seperti ponsel, tablet, TV, dan speaker hands-free.
Pembelajaran mendalam mendapatkan banyak perhatian belakangan ini karena dapat
mencapai hasil yang sebelumnya tidak mungkin. Dalam deep learning, model
komputer belajar untuk melakukan tugas klasifikasi langsung dari gambar, teks,
atau suara. Model pembelajaran yang mendalam dapat mencapai akurasi yang
canggih, terkadang melebihi kinerja tingkat manusia. Model dilatih dengan
menggunakan set besar data berlabel dan arsitektur jaringan saraf yang berisi
banyak lapisan.
Jaringan Saraf
Tiruan (Neural Network)
Neural Network atau juga disebut sebagai jaringan
saraf tiruan adalah berbagai teknologi pembelajaran yang mendalam, yang juga
berada di bawah naungan kecerdasan buatan atau AI. Neural Network adalah
paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf
biologis, seperti otak yang memproses informasi. Kunci elemen dari paradigma
ini adalah struktur novel dari sistem pemrosesan informasi.
Neural Network dikonfigurasikan untuk
aplikasi tertentu, seperti pengenalan pola atau klasifikasi data melalui proses
pembelajaran. Jaringan ini terdiri dari sejumlah besar elemen pemrosesan yang
sangat saling berhubungan (neuron) yang bekerja bersama untuk memecahkan
masalah tertentu. Aplikasi komersial dari teknologi ini umumnya berfokus pada
penyelesaian pemrosesan sinyal yang kompleks atau masalah pengenalan pola.
Contoh aplikasi komersial yang signifikan sejak tahun 2000 meliputi pengenalan
tulisan tangan untuk pemrosesan cek, transkripsi ucapan menjadi sebuah teks, analisis
data, dan prediksi cuaca dan pengenalan wajah.
Jaringan saraf tiruan ini terinspirasi
oleh hal-hal yang kita temukan dalam biologi kita sebagai manusia. Cara Neural
Network memahami sesuatu sama seperti manusia yaitu belajar dengan cara
mencontoh. Model jaringan saraf menggunakan prinsip matematika dan ilmu
komputer untuk meniru proses otak manusia. Jaringan saraf tiruan mencoba
mensimulasikan proses sel-sel otak yang saling berhubungan erat, tetapi
bukannya dibangun dari biologi, neuron-neuron ini dibangun dari kode atau biasa
disebut node.
Ketiga konsep AI ini dapat
memungkinkan robot hardware dan software untuk berpikir dan bertindak secara
dinamis di luar dari kode yang sudah diberikan. Dengan memahami konsep dasar
diatas maka akan membawa AI menuju masa depan yang lebih cerdas dari yang
terbayangkan.
3. Jenis-Jenis
Artificial Intelligence
Secara garis besar, artificial
intellegence terbagi ke dalam dua faham pemikiran yaitu artificial intellegence
Konvensional dan Kecerdasan Komputasional.
Artificial intellegence konvensional
Kebanyakan melibatkan metoda-metoda yang sekarang
diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan
analisis statistik. Dikenal juga sebagai artificial intellegence simbolis,
artificial intellegence logis, artificial intellegence murni dan artificial
intellegence cara lama (GOFAI, Good Old Fashioned Artificial Intelligence).
Metoda-metodanya meliputi:
·
Sistem pakar:
menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem
pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan
kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
·
Pertimbangan
berdasar kasus
·
Jaringan Bayesian
·
Artificial
intellegence berdasar tingkah laku: metoda modular pada pembentukan sistem
artificial intellgence secara manual
Kecerdasan komputasional
Melibatkan pengembangan atau pembelajaran
interaktif (misalnya penalaan parameter seperti dalam sistem koneksionis).
Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan
artificial intellegence non-simbolis, artificial intelligence yang tak teratur
dan perhitungan lunak.
Metoda-metoda pokoknya meliputi:
·
Jaringan Syaraf:
sistem dengan kemampuan pengenalan pola yang sangat kuat.
·
Sistem Fuzzy:
teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan
secara meluas dalam industri modern dan sistem kendali produk konsumen.
·
Komputasi
Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis
seperti.
B. Sistem Pakar
1. Pengertian Sistem Pakar
Ditandai dengan berkembangnya
salah satu sistem komputer yang merupakan adaptasi dari penalaran logis manusia
yakni AI (Artificial Intelligence). Yang kini tengah mendapat perhatian
dari banyak kalangan yang merupakan bagian khusus dari AI yakni Sistem Pakar (Expert
System)yaitu sistem yang berfungsi sebagai seorang spesialis dalam suatu
bidang
Sistem Pakar pertama kali
dikembangkan oleh komunitas Artificial Intelligence (AI) pada tahun
1960-an. Sistem Pakar yang pertama kali adalah GPS (General Purpose Problem
Solver) yang dikembangkan oleh Newel Simon. Menurut Efraim Turban, Sistem Pakar
harus mengandung keahlian, ahli, pengalihan keahlian, inferensi, aturan dan
kemampuan menjelaskan.
Sistem pakar merupakan sistem
yang berusaha mengadopsi pengetahuan manusia ke komputer. Pengetahuan dalam
sistem pakar diambil dari manusia yang ahli (yang pakar) dalam domain tersebut,
dan sistem pakar menirukan metodologi serta kinerjanya. Perlu diketahui bahwa
sistem pakar tidak untuk menggantikan kedudukan seorang pakar, melainkan
memasyarakatkan pengetahuan dan pengalaman pakar tersebut, sehingga komputer
dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli
(pakar).
Sistem pakar adalah bagian
dari kecerdasan buatan yang berisi kombinasi pemahaman teoritis tentang suatu
persoalan dan sekumpulan aturan pemecahan heuristik yang dikembangkan oleh
manusia untuk dapat memecahkan masalah.
Sistem pakar merupakan
perangkat lunak yang digunakan untuk memecahkan masalah yang biasanya
diselesaikan oleh seorang pakar. Aturan-aturan di dalamnya memberitahu program
bagaimana ia memberlakukan informasi-informasi yangtersimpan. Berdasarkan itu
program memberikan solusi-solusi atau bantuan pengambilan keputusan mengenai
permasalahan tertentu, mirip dengan saran seorang pakar.
2. Ciri-ciri Sistem Pakar
Sistem Pakar bisa disebut sebagai sistem yang ideal
jika mempunyai ciri-ciri sebagai berikut:
a. Terbuka untuk diperiksa
Hal ini penting untuk mempermudah penambahan
sejumlah informasi atau aturan baru untuk memperbaharui basis pengetahuannya
dalam rangka mengembangkan kinerjanya, memuaskan user akan kebenaran
jawaban yang diberikan oleh sistem pakar, dan setiap keputusan yang diambil
untuk mendapatkan solusi dapat dievaluasi dengan baik.
b. Mudah dimodifikasi
c. Fasilitas penalaran/ penjelasan
Adanya fasilitas penalaran membuat sistem pakar
dapat memberikan informasi tentang kesimpulan yang diambil komputer dan
memperlihatkan kaidah-kaidah yang dipergunakan.
3. Tujuan Sistem
Pakar dan Manfaat Sistem Pakar
Tujuan sistem pakar yang paling utama adalah membuat sebuah sistem komputer
yang mampu memberikan solusi terhadap suatu masalah layaknya seorang pakar.
Sederhananya kurang lebih begini Sistem pakar ini diharapkan mampu mengganti
keberadaan seorang pakar dalam perannya mengatasi sebuah masalah. Semisal di
pertanian ada wabah penyakit pada tanaman. Namun para petani tidak tahu
penyakit apa yang mereka hadapi. Kebetulan sekali, di daerah tersebut tidak ada
seorang ahli pertanian. Nah, dengan bantuan komputer melalui sistem pakar
petani hanya perlu memasukkan apa saja ciri-ciri dari penyakit tersebut
kemudian sistem pakar akan memberikan jawaban penyakit apa yang dialami tanaman
tersebut. Perlu digaris bawahi Tujuan utama dari sistem pakar bukan untuk
mengganti kedudukan seorang ahli atau seorang pakar, tetapi hanya untuk
memasyarakatkan pengetahuan dan pengalaman pakar-pakar yang sangat langka itu.
Dari paragraf di
atas kita bisa mengambil poin-poin tujuan sistem pakar :
·
Memasyarakatkan pengetahuan dan pengalaman seorang
pakar.
·
Dapat digunakan non-expert untuk meningkatkan
kemampuan pemecahan masalah dan untuk expert sebagai knowledge assistant.
·
Menyederhanakan pekerjaan dan memperbaiki kualitas.
·
Memecahkan masalah (sederhana) tanpa kehadiran
seorang pakar.
4. Cara Kerja dan
Komponen Sistem Pakar
Cara kerja sebuah
sistem pakar simpelnya bisa dilihat pada gambar “Diagram Blok Sistem Pakar”.
Pada gambar tersebut komponen sistem pakar yang ada di dalam kotak merupakan
komponen yang ada pada sistem komputer. Komponen tersebut:
·
User Interface : Merupakan tampilan antar
muka yang berhadapan langsung dengan pengguna (user).
·
Inference Engine : Merupakan sebuah mesin yang
mengaplikasikan aturan-aturan logika yang ada di dalam basis pengetahuan (knowledge
base) sehingga akan menghasilkan jawaban yang akan didapat oleh pengguna (user).
·
Knowledge Base : Merupakan sebuah kumpulan-kumpulan
pengetahuan yang akan digunakan untuk mendapatkan jawaban dari fakta-fakta yang
dimasukkan oleh pengguna melalui Inference engine terlebih dahulu.
·
Dan yang tidak kalah penting dari sebuah sistem
pakar adalah pengguna itu sendiri (user).
Komponen sistem
pakar tersebut saling berkaitan dan membentuk suatu alur kerja seperti berikut
:
·
Pengguna memasukkan fakta-fakta ke dalam sebuah
sistem pakar. Semisal menjawab pertanyaan ya atau tidak. Pengisian fakta-fakta
tersebut dilakukan di User Interface (UI).
·
Kemudian fakta-fakta tersebut akan dikirim ke mesin
inferensi (inference engine).
·
Mesin inferensi akan mengolah fakta-fakta tersebut
berdasarkan aturan-aturan logika yang ada pada basis pengetahuan.
·
Basis pengetahuan menyediakan
pengetahuan-pengetahuan yang dibutuhkan oleh mesin inferensi.
·
Ketika selesai diolah, sistem pakar akan memberikan
output atau jawaban yang sudah diolah oleh mesin inferensi berdasarkan
pengetahuan yang ada pada sistem pakar. Jawaban tersebut akan tampil di User
Interface sistem pakar sendiri.
C. Forward Chaining
1. Pengertian Forward Chaining
Forward Chaining merupakan suatu penalaran yang dimulai dari fakta
untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut. Forward
chaining bisa dikatakan sebagai strategi inference yang bermula dari
sejumlah fakta yang diketahui. Pencarian dilakukan dengan menggunakan rules
yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh
fakta baru dan melanjutkan proses hingga goal dicapai atau hingga sudah tidak
ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta
yang diperoleh.
Forward chaining bisa disebut
juga runut maju atau pencarian yang dimotori data (data driven search).
Jadi pencarian dimulai dari premis-premis atau informasi masukan (if)
dahulu kemudian menuju konklusi atau derived information (then). Forward
Chaining berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode
ini, data digunakan untuk menentukan aturan mana yang akan dijalankan atau
dengan menambahkan data ke memori kerja untuk diproses agar ditemukan suatu
hasil.
2. Forward Chaining digunakan jika:
a. Banyak aturan berbeda yang dapat memberikan
kesimpulan yang sama.
b. Banyak cara untuk mendapatkan sedikit konklusi.
c. Benar-benar sudah mendapatkan berbagai fakta, dan
ingin mendapatkan konklusi dari fakta-fakta tersebut.
3. Adapun tipe sistem yang dapat menggunakan teknik
pelacakan forward chaining, yakni:
a. Sistem yang direpresentasikan dengan satu atau
beberapa kondisi.
b. Untuk setiap kondisi, sistem mencari rule-rule
dalam knowledge base untuk rule-rule yang berkorespondensi dengan
kondisi dalam bagian if.
c. Setiap rule dapat menghasilkan kondisi baru dari
konklusi yang diminta pada bagian then. Kondisi baru ini dapat
ditambahkan ke kondisi lain yang sudah ada.
d. Setiap kondisi yang ditambahkan ke sistem akan
diproses. Jika ditemui suatu kondisi, sistem akan kembali ke langkah 2 dan
mencari rule-rule dalam knowledge base Jika tidak ada konklusi baru,
sesi ini berakhir.
Jika klausa premis sesuai dengan situasi (bernilai true),
maka proses akan meng-assert konklusi. Forward chaining juga digunakan
jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam.
4. Pada metode forward chaining, ada 2 cara
yang dapat dilakukan untuk melakukan pencarian, yaitu:
a. Dengan memasukkan semua data yang tersedia ke dalam
sistem pakar pada satu kesempatan dalam sesi konsultasi. Cara ini banyak
berguna pada sistem pakar yang termasuk dalam proses terautomatisasi dan
menerima data langsung dari komputer yang menyimpan data base, atau dari
satu set sensor.
b. Dengan hanya memberikan elemen spesifik dari data
yang diperoleh selama sesi konsultasi kepada sistem pakar. Cara ini mengurangi
jumlah data yang diminta, sehingga data yang diminta hanyalah data-data yang
benar-benar dibutuhkan oleh sistem pakar dalam mengambil kesimpulan.
D. Obesitas pada Balita
1.
Pengertian Obesitas pada Anak
Obesitas
atau kegemukan yang berlebih dimaknai berbeda bagi setiap orang. Obesitas
adalah kelebihan berat badan sebagai akibat dari penimbunan lemak tubuh yang
berlebihan berdasarkan beberapa pengkuran tertentu. Obesitas pada anak adalah
kondisi medis pada anak yang ditandai dengan barat badan di atas rata-rata dari
indeks massa tubuhnya (Body Mass Index) yang di atas normal. Indeks
Massa Tubuh (IMT) dihitung dengan cara mengalikan berat badan
anak kemudian dibagi dengan kuadrat dari besar tinggi anak. Jika seorang anak
memiliki IMT di atas 25 kg/m2,maka anak tersebut menderita obesitas.
Obesitas
pada anak dapat dinilai dari beberapa kriteria selain IMT. Terkadang seseorang
anak terlihat gemuk, namun belum tentu disebut obesitas. Beberapa metode dan
teknik diagnosis dapat dilakukan untuk menilai apakah anak gemuk sudah memasuki
tahap obesitas atau hanya over weight.
Saat ini, praktisi kesehatan anak di
seluruh dunia, di negara maju maupun negara berkembang, mengkhawatirkan makin
meningkatnya jumlah anak yang mengalami obesitas. Di negara-negara maju seperti
Amerika Serikat atau Australia, sepertiga sampai setengah anak dan remaja
mengalami obesitas. Di kota-kota besar di Indonesia, lebih dari 10% anak telah mengalami obesitas.
Obesitas merupakan masalah kesehatan
yang penting, selain karena merupakan faktor risiko timbulnya penyakit kronis
degeneratif di kemudian hari, obesitas
juga sudah banyak menimbulkan masalah pada usia anak dan remaja.
Banyak penelitian yang menunjukkan bahwa obesitas pada masa anak berkaitan
dengan kejadian obesitas pada masa dewasa. Berbagai pengamatan juga menunjukkan
bahwa makin dini seorang anak mengalami obesitas, makin rendah usia harapan
hidupnya akibat menderita penyakit-penyakit kronis degeneratif seperti diabetes
mellitus tipe 2, penyakit jantung, stroke dan kanker. Pada masa anak dan
remaja, obesitas juga dapat mengakibatkan hipertensi, sleep apnea,
masalah pernapasan, masalah postur dan perkembangan tulang ekstremitas, masalah
psikososial, masalah hormonal dan sistem reproduksi, alergi dan
hipersensitivitas dan masih banyak lagi.
Pencegahan dan manajemen obesitas anak
merupakan tantangan tersendiri, bukan hanya bagi petugas kesehatan tetapi juga
bagi masyarakat secara umum. Secara umum, obesitas diatasi dengan membatasi
asupan makan dan meningkatkan aktivitas fisik, tetapi hal tersebut sulit dapat
dilakukan bila lingkungan sangat tidak mendukung. Mengurangi asupan kalori
dapat dilakukan dengan menurunkan asupan lemak dan karbohidrat serta
meningkatkan asupan serat dan air. WHO
merekomendasikan asupan buah dan sayur minimum 5 porsi sehari, disertai cukup
minum tanpa gula. Mengurangi asupan minuman bergula terbukti
mampu menghambat peningkatan berat badan anak obes.
2.
Faktor Pemicu Obesitas
Banyak faktor yang dapat menyebabkan
obesitas. Beberapa di antaranya saling berkaitan, yaitu:
·
Gaya hidup. Pola makan tidak sehat dengan kalori yang
berlebihan dan tidak diiringi dengan aktif bergerak. Mengonsumsi makanan yang
kaya kandungan lemak jenuh dan gula (seperti eskrim, coklat, permen), kelompok makanan cepat atau siap saji (fast
food), serta minuman ringan atau minuman berenergi diduga menjadi penyebab
utama obesitas. Pola makan yang disertai dengan kebiasaan duduk terlalu lama di
depan TV atau di depan layar komputer ini menjadi penyebab utama obesitas di
antara generasi muda.
·
Faktor genetis. Meski tidak mutlak, anak dengan anggota
keluarga atau orang tua yang mengidap obesitas lebih berisiko mengidap
obesitas. Selain bersifat keturunan, juga bisa diakibatkan oleh pola makan dan
gaya hidup anak yang serupa dengan orangtuanya.
·
Faktor psikologis. Obesitas kadang-kadang dialami oleh anak atau
remaja yang menjadikan makanan sebagai pelarian dari rasa frustrasinya atau
stres psikologis terhadap pelajaran di sekolah, kebosanan, masalah, dan bentuk
emosional lainnya.
Selain faktor-faktor di atas, praktik
pemberian makan bayi dan anak yang tidak diperhatikan atau masih tradisional,
dengan pilihan makanan yang mengandung sedikit nutrisi baik, juga menjadi
faktor kontributor lain.
3.
Komplikasi Akibat Obesitas
Tidak hanya pada kesehatan, obesitas dapat
berdampak pada hidup anak secara keseluruhan.
Dampak
secara fisik
Berikut ini adalah kondisi-kondisi kesehatan
yang dapat dipicu oleh obesitas:
Tekanan darah tinggi dan kolesterol tinggi. Keduanya berisiko menimbulkan plak yang menyebabkan penyempitan
pembuluh arteri pada anak, sehingga dapat memicu stroke
dan serangan jantung di kemudian hari.
Diabetes tipe 2. Gaya hidup yang kurang aktif bergerak,
ditambah dengan kondisi obesitas, dapat memicu risiko diabetes tipe 2 yang
memengaruhi metabolisme glukosa dalam tubuh Si Kecil.
Penyakit
pernapasan. Bobot
tubuh anak yang berlebihan bisa mengakibatkan saluran pernapasan anak
menyempit, membengkak, dan membuatnya kesulitan bernapas sehingga berisiko
menderita penyakit pernapasan seperti asma.
Gangguan
pola tidur. Akibat obesitas,
pernapasan anak bisa menjadi tidak normal, misalnya mendengkur saat sedang
tidur. Kualitas istirahat atau tidur anak tersebut dapat menurun akibat
gangguan pada pernapasannya. Hal ini dapat menyebabkan prestasi belajar di
sekolah menurun karena anak sulit konsentrasi di kelas dan sering mengantuk di
siang hari.
Penyakit
perlemakan hati non-alkoholik (Non-Alcoholic Fatty Liver Disease/NAFLD). Obesitas dapat
menyebabkan penumpukan lemak yang membahayakan organ hati.
Gangguan
pada tulang yang
menyangga kelebihan berat pada tubuh.
Dampak
secara sosial dan emosional
Gangguan
pada perilaku. Anak
yang menderita obesitas cenderung lebih sulit untuk bersosialisasi dan lebih
mudah khawatir mengenai pendapat orang lain terhadap berat badannya.
Tidak
percaya diri. Tubuh
dengan berat berlebihan kerap membuat seseorang menjadi tidak percaya diri
dalam pergaulan.
Depresi. Rasa tidak nyaman dan percaya diri membuat anak rentan mengalami
depresi.
4.
Cara Mendiagnosis Obesitas
Langkah paling awal jika Anda khawatir bahwa
anak Anda mengidap obesitas adalah dengan memeriksakannya ke dokter agar dia
mendapatkan diagnosis dan penanganan yang tepat.
Sebelum mengantar anak ke dokter,
persiapkanlah hal-hal berikut ini:
·
Tulis
keluhan, perilaku, aktivitas, dan kebiasaan anak yang dapat menyebabkan
obesitas.
·
Catat
kelompok makanan apa saja yang dikonsumsi anak dalam sepekan atau makanan yang
sering ia konsumsi. Bawa juga catatan obat-obatan atau vitamin yang biasa
dikonsumsinya.
·
Kemungkinan
dokter juga akan menanyakan aktivitas dan pola makan keluarga sehari-hari,
serta riwayat anggota keluarga yang mengidap obesitas.
·
Indeks
Massa Tubuh (IMT)
IMT adalah pengukuran yang
umum digunakan untuk menentukan apakah berat badan seseorang dapat
diklasifikasikan sebagai di bawah berat normal, berberat badan normal,
kelebihan berat badan, atau obesitas. IMT diukur dengan rumus berat (dalam
kilogram) dibagi tinggi badan kuadrat (dalam meter2).
Contohnya seorang anak laki-laki berusia 8
tahun dengan berat badan 50 kilogram, dan tinggi badan 1,2 meter, maka IMT-nya
adalah:
50 kg/(1,20 m)2 = 50/1.44 ≈
34,7 kg/m2
Pengukuran berdasarkan IMT anak Anda akan
dibandingkan berdasarkan IMT anak-anak lain dengan jenis kelamin, usia dan
tinggi badan yang sama.
·
Selain
mengukur IMT anak, dokter akan memeriksa pola makan, tingkat aktivitas anak,
riwayat obesitas dalam keluarga, dan masalah kesehatan anak yang lain.
·
Pemeriksaan
kadar gula darah, kolesterol, keseimbangan hormon, kadar vitamin D, dan
pemeriksaan terkait kondisi obesitas lain juga bisa dilakukan. Perhatikan bahwa
umumnya tes darah ini mengharuskan anak untuk berpuasa selama 8-12 jam
sebelumnya.
5.
Tipe-tipe
Obesitas
Tipe
obesitas berdasarkan Etiologinya:
a. Obesitas Primer
Disebabkan
oleh faktor nutrisi dengan berbagai faktor yang dapat mempengaruhi masukan
makanan, yaitu masukan makanan berlebih dibanding dengan kebutuhan energi yang
diperlukan tubuh.
b. Obesitas Sekunder
Disebabkan
adanya penyakit atau kelainan congenitall (mielodisklasia), endokrin (sindrom cushing, sindrom freulich, sindrom mauriach,
pseudo-paratiroidisme), atau kondisi lain (sindrom klinefelter,
sindrom turner, sindrom down, dll)
Tipe
obesitas berdasarkan keadaan sel lemak:
a. Kegemukan tipe Hyperplastik
Kegemukan
tipe ini terjadi karena jumlah sel lemak yang lebih banyak dibandingkan keadaan
normal tetapi ukuran sel-selnya tidak bertambah besar. Kegemukan ini biasa terjadi
pada masa anak-anak.
b.
Kegemukan
tipe Hypertropik
Kegemukan
ini terjadi karena ukuran sel lemak menjadi lebih besar dibandingkan dengan
keadaan normal, tetapi jumlah sel tidak bertambah banyak dari normal. Kegemukan
tipe ini terjadi pada usia dewasa. Usaha untuk menurunkan berat badan pada
kondisi ini lebih mudah dibandingkan pada kegemukan tipe hyperplastik.
c.
Kegemukan tipe
Gabungan (Tipe Hyperplastik dan Hypertropik) Kegemukan terjadi karena jumlah dan ukuran sel lemak
melebihi normal. Pembentukan sel lemak baru terjadi segera setelah derajat hypertropik mencapai
maksimal dengan perantaraan suatu sinyal yang dikeluarkan oleh sel lemak yang mengalami
hypertropik. Kegemukan ini bisa dimulai pada anak-anak dan berlangsung
terus sampai dewasa. Upaya untuk menurunkan berat badan paling sulit dan resiko
tinggi untuk terjadi komplikasi penyakit.
DAFTAR
REFERENSI:
http://aroundinformatics.blogspot.com/2017/07/sistem-pakar-expert-system.html
https://nuranimahabbah.wordpress.com/2011/09/28/obesitas-pada-anak/
