Kurnia, Robbi (2016) Penerapan Metode GA-KMEANS Untuk Pengelompokan Bahan Makanan Berdasarkan Kandungan Zat Gizi. Sarjana thesis, Universitas Brawijaya.
Abstract
Tubuh manusia memiliki kebutuhan zat gizi yang harus dipenuhi setiap harinya agar tetap sehat. Kebutuhan gizi tersebut dapat dipenuhi dengan menjaga pola waktu makan dan pemilihan bahan makanan yang tepat. Karena itu, dibutuhkan pengetahuan tentang kandungan gizi pada bahan makanan, sehingga seseorang dapat memilih pola makan yang sesuai dengan kebutuhan gizi tubuhnya. Untuk itu dibutuhkan pengelompokan bahan makanan yang dapat memudahkan dalam mencari bahan makanan dengan kandungan gizi yang diinginkan. K-means adalah salah satu metode clustering yang paling sering digunakan untuk mengelompokkan objek berdasarkan kemiripannya. Namun, metode K-means memiliki kelemahan yaitu titik pusat cluster awal yang digunakan untuk mengelompokkan dibuat secara acak, sehingga hasil pengelompokan tidak konsisten tiap kali dilakukan pengelompokan. Karena itu, dalam penelitian ini menggunakan metode Genetic Algorithm K-means (GA-Kmeans) dalam mengelompokkan bahan makanan berdasarkan kemiripan kandungan gizinya. Algoritma Genetika (GA) pada penelitian ini digunakan untuk mencari titik pusat cluster(centroid) awal yang berpotensi untuk menghasilkan pengelompokan yang optimal. Kemudian centroid tersebut digunakan dalam K-Means pada proses pengelompokan. Hasil uji coba menunjukkan nilai parameter maksimum generasi yang optimal adalah 250, parameter ukuran populasi yang optimal adalah 120, sedangkan parameter crossover rate(pc) dan mutation rate(pm) yang optimal masing-masing adalah 0.5 dan 0.3, dan jumlah cluster yang optimal adalah 5 dengan nilai silhouette 0.801 dan nilai SSE 5.860E+7.
English Abstract
The human body has nutritional requirements that must be met every day to stay healthy. The nutritional needs can be met by maintaining the pattern of meal times and the selection of the proper foods. Therefore, we need knowledge about the nutrient content of foodstuffs, so that one can choose a diet according to the nutritional requirements of the body. This requires grouping of foodstuffs that can facilitate the search for foods with the desired nutrients. K-means clustering is one of the most used methods to group objects by resemblance. However, the K-means method has a disadvantage that the point of initial cluster centers those used to group are randomly generated, so that the grouping results are not consistent each time it does grouping. Therefore, this research use the Genetic Algorithm K-means (GA-Kmeans) to group the foods based on their nutritional content similarity. The Genetic Algorithm(GA) in this research is used to search for centroids those have potentials to produce the optimal grouping results. Then those centroids are used in K-means method for the clustering process. The tests results showed the optimal parameter value of the maximum generation is 250, the optimal parameter value of population size is 120, while the optimal parameter values of crossover rate and mutation rate are 0.5 and 0.3, and the optimal amount of cluster are 5 with 0.801 silhouette value, and 5.860E+7 Sum of Squared Error (SSE) value.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/1/051700344 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Kustati |
Date Deposited: | 16 Feb 2017 10:58 |
Last Modified: | 22 Oct 2021 03:03 |
URI: | http://repository.ub.ac.id/id/eprint/147313 |
Preview |
Text
JURNAL_ROBBI_KURNIA_125150200111093.pdf Download (2MB) | Preview |
Preview |
Text
SKRIPSI_ROBBI_KURNIA_125150200111093.pdf Download (6MB) | Preview |
Preview |
Text
JURNAL.pdf Download (2MB) | Preview |
Actions (login required)
![]() |
View Item |