Wardani, Reza Wahyu (2019) Perbandingan Kualitas Hasil Klaster Algoritme K-Means dan Isodata Pada Data Komposisi Bahan Makanan. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Health is the most important part of human beings. Maintaining health can be done in various ways, one of which is by managing your diet. Regulating diet can be done by calculating the amount of daily nutrient content that will enter the body. At present the problems related to nutrition in the community are malnutrition or a condition in which the body does not get enough nutrition according to daily needs. This happens because most people do not understand how to regulate and classify food according to the recommended portion of nutrients in the body. Fulfillment of daily nutrition can be done if the food has been in a group based on the nutritional similarity. An algorithm is needed for grouping or clustering foodstuffs so that people can find out enough daily nutritional alternatives based on potential commodities in Indonesia. The data used in this study amounted to 250 data sourced from the Ministry of Health of the Republic of Indonesia regarding the composition of food ingredients. In this study a clustering algorithm comparison study was conducted between K-Means and Isodata. Both of these algorithms are assessed based on the quality of the resulting cluster. The method used to measure cluster quality in this study is Silhoutte Coefficient (SC). The final result of the Silhoutte Coefficient of the K-Means algorithm is 0.996762 and the Isodata algorithm is 0.996910. So that in this case the Isodata algorithm has a greater Silhouette Coefficient value than the K-Means algorithm in clustering Food Composition Data with a small difference in the Silhoutte Coefficient value.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/297/051905615 |
| Uncontrolled Keywords: | - |
| Subjects: | 000 Computer science, information and general works > 004 Computer science > 004.2 System analysis and design, computer architecture, performance evaluation |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Endang Susworini |
| Date Deposited: | 23 Jul 2020 02:42 |
| Last Modified: | 31 Jul 2020 05:48 |
| URI: | http://repository.ub.ac.id/id/eprint/171159 |
Actions (login required)
 |
View Item |