Shelvi, Tiara Mawidha (2019) Pengelompokan Balita Usia 4 Tahun Berdasarkan Indikator Pertumbuhan Menggunakan Algoritma K-Means. Sarjana thesis, Universitas Brawijaya.
Abstract
Pertumbuhan merupakan tolak ukur untuk mengetahui tingkat kesehatan seseorang, yang dapat diukur melakui beberapa indikator. Beberapa indikator pertumbuhan yang dapat digunakan adalah berat badan, tinggi badan, lingkar kepala, dan lingkar lengan atas. Pengelompokkan balita berdasarkan indikator pertumbuhan penting dilakukan, untuk mengetahui apakah terdapat suatu ketidaknormalan pada balita. Pengelompokkan yang sering digunakan adalah secara univariat. Dalam penelitian ini dilakukan pengelompokkan secara multivariat dengan menggunakan analisis kelompok dengan algoritma k-means. Algoritma k-means adalah salah satu metode pengelompokan non hierarki yang paling sering digunakan, karena penggunaannya yang mudah dan sederhana. Dilakukan analisis kelompok dengan menggunakan tiga jenis jarak yaitu, euclidean, manhattan, dan mahalanobis. Dari hasil analisis kelompok dengan menggunakan ketiga jarak tersebut, didapatkan profil kelompok yang berbeda-beda. Berdasarkan hasil dari clustering tersebut, dapat dilihat hasil kebaikannya dengan menggunakan nilai CTM. Berdasarkan nilai CTM, pada balita perempuan lebih baik dilakukan pengelompokan k-means jarak manhattan. Sedangkan pada balita laki-laki lebih baik digunakan k-means jarak euclidean.
English Abstract
Growth is a benchmark to determine the level of health of a people, which can be measured through several indicators. Some growth indicators that can be used are weight, height, head circumference, and upper arm circumference. The grouping of toddlers based on growth indicators is important, to find out whether there is an abnormality in toddlers. Grouping which is often used is univariate. In this study multivariate grouping was done using group analysis with the k-means algorithm. The k-means algorithm is one of the most commonly used non-hierarchical grouping methods, because it is easy and simple to use. Group analysis was performed using three types of distances namely, euclidean, manhattan, and mahalanobis. From the results of group analysis using these three distances, different group profiles are obtained. Based on the results of the clustering, it can be seen the results of its goodness by using CTM values. Based on CTM values, in toddlers girls it is better to do k-means classification of euclidean distances. Whereas in toddlers boys it is better to use k-means distance manhattan.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2019/385/052001540 |
| Uncontrolled Keywords: | Pengelompokan, CTM, Indikator Pertumbuhan, Jarak, K-means. Grouping, CTM, Growth Indicator, Distance, K-means. |
| Subjects: | 500 Natural sciences and mathematics > 518 Numerical analysis > 518.1 Algorithms |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:06 |
| Last Modified: | 07 Feb 2022 01:09 |
| URI: | http://repository.ub.ac.id/id/eprint/179940 |
Preview |
Text
Tiara Mawidha Shelvi.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |