Perbandingan Kualitas Hasil Klaster Algoritme K-Means dan Isodata Pada Data Komposisi Bahan Makanan
| Main Author: | Wardani, Reza Wahyu |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171159/ |
Daftar Isi:
- Kesehatan merupakan bagian terpenting dari diri manusia. Menjaga kesehatan dapat dilakukan dengan berbagai cara, salah satunya dengan mengatur pola makan. Mengatur pola makan dapat dilakukan dengan cara mengitung jumlah kandungan zat gizi harian yang akan masuk ke tubuh. Saat ini permasalahan yang berhubungan dengan gizi di masyarakat adalah malnutrisi atau keadaan dimana tubuh tidak mendapatkan asupan gizi cukup sesuai kebutuhuan harian. Hal tersebut terjadi karena sebagian besar masyarakat tidak mengerti cara mengatur dan mengelompokkan makanan sesuai porsi gizi dalam tubuh yang disarankan. Pemenuhan gizi harian dapat dilakukan apabila makanan telah berada dalam kelompok berdasarkan kesamaan gizinya. Dibutuhkan sebuah algoritme untuk pengelompokan atau klasterisasi bahan makanan agar masyarakat dapat mengetahui alternatif gizi harian yang cukup berdasarkan komoditas potensial di Indonesia. Data yang digunakan dalam penelitian ini berjumlah 250 data yang bersumber dari Kementrian Kesehatan Republik Indonesia terkait komposisi bahan makanan. Dalam penelitian ini dilakukan studi perbandingan algoritme Klasterisasi antara K-Means dan Isodata. Kedua algoritme ini dinilai berdasarkan kualitas klaster yang dihasilkan. Metode yang digunakan untuk mengukur kualitas klaster dalam penelitian ini adalah Silhoutte Coefficient (SC). Hasil akhir nilai Silhoutte Coefficient algoritme K-Means sebesar 0.996762 dan algoritme Isodata sebesar 0.996910. Sehingga dalam hal ini algoritme Isodata memiliki nilai Silhouette Coefficient lebih besar dibanding algoritme K-Means dalam mengklaster Data Komposisi Makanan dengan selisih nilai Silhoutte Coefficient yang kecil.