ANALISA PERBANDINGAN ALGORITMA CLUSTERING UNTUK PEMETAAN STATUS GIZI BALITA DI PUSKESMAS PASIR JAYA

  • Nenden Siti Fatonah, nenden University Esa Unggul
  • Trisnansita Kintan Pancarani Universitas Mercubuana
Keywords: K-Means, Fuzzy C-Means, Clustering, Gizi Balita

Abstract

ABSTRACT

The problem of nutritional status in toddlers is still a major problem that needs attention, one of which is malnutrition. Malnutrition problems are directly caused by inadequate food intake, inadequate family economic factors, and caused by underlying diseases such as tuberculosis, heart disease or birth defects. The purpose of this study is to implement the clustering method with the K-Means and Fuzzy C-Means algorithms which aims to evaluate the nutritional status of children under five in general so that it can be used as a basis for early prevention for health workers at the puskesmas to overcome malnutrition. This study uses 4 parameters, namely height, weight, genderand age and uses a silhouette index validation calculation to measure the resulting cluster cohesiveness. From the result of the cluster analysis, the K-Means algorithm gets a validation result of 0.79 with 4 clusters and the Fuzzy C-Means algorithm gets a validation result of 0.78 with 4 clusters. From the two comparison algorithm, the K-Means algorithm gets the best validation because get the highest validation compared to the Fuzzy C-Means algorithm.

Keywords: K-means, Fuzzy C-Means, Clustering, Nutrition of children under five

 

ABSTRAK

Masalah status gizi pada balita masih menjadi masalah utama yang perlu diperhatikan, salah satunya adalah Gizi buruk. Masalah Gizi buruk secara langsung di sebabkan oleh asupan makanan yang gizinya tidak tercukupi, factor ekonomi keluarga yang tidak memadai, dan disebabkan oleh penyakit yang mendasari seperti TBC, Jantung atau kelainan cacat pada saat lahir. Tujuan dari penelitian ini yaitu,  Mengimplementasikan metode klasterisasi dengan algoritma K-Means dan Fuzzy C-Means yang bertujuan untuk mengevaluasi status gizi balita secara umum sehingga dapat dijadikan sebagai dasar pencegahan dini bagi petugas kesehatan di puskesmas untuk menanggulangi gizi buruk. Penelitian ini menggunakan empat parameter yaitu tinggi badan, Berat badan, jenis kelamin dan umur dan menggunakan perhitungan validasi silhouette index untuk mengukur kekompakan cluster yang di hasilkan. Dari hasil dari analisis cluster, algoritma K-Means mendapatkan hasil validasi sebesar 0.79 dengan cluster sebanyak 4 dan algoritma Fuzzy C-Means mendapatkan validasi hasil validasi sebesar 0.78 dengan cluster sebanyak 4. Dari kedua perbandingan algoritma tersebut, algoritma K-Means mendapatkan validasi terbaik karena mendapatkan validasi tertinggi dibandingakan dengan Algoritma Fuzzy CMeans.

Kata Kunci: K-Means, Fuzzy C-Means, Clustering, Gizi balita

References

E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 6, no. 4, p. 161, 2018.

W. M. P. Dhuhita, “Clustering Menggunakan Metode K-Means Untuk,” Jurnal Informatika, vol. 15, no. 2, pp. 160--174, 2016.

J. Muninggar, “Profil Tumbuh Kembang Anak Balita dengan Malnutrisi di Desa Kesongo Kecamatan Tuntang,” Magistrorum et Scholarium: Jurnal Pengabdian Masyarakat, vol. 1, no. 2, pp. 171–185, 2021.

S. R. Patty and F. Nugroho, “Kemiskinan Dan Malnutrisi Pada Anak Balita Dalam Keluarga Nelayan Di Wilayah Pesisir Kota Serang,” EMPATI: Jurnal Ilmu Kesejahteraan Sosial, vol. 8, no. 2, pp. 109–125, 2020.

N. Nazilia and M. Iqbal, “Peningkatan Pengtahuan Ibu Tentang Gizi untuk Mengatasi Gizi Buruk pada Anak Balita dengan Aplikasi ‘ Anak Sehat Makan Sehat ( Emas ),’” Jurnal Pangan Kesehatan dan Gizi, vol. 1, no. 1, pp. 46–53, 2020.

B. S. Ashari, S. C. Otniel, and Rianto, “Perbandingan Kinerja K-Means Dengan DSCAN Untuk Metode Clustering Data Penjualan Online Retail,” Jurnal Siliwangi, vol. 5, no. 2, pp. 72–77, 2019.

A. Maulana and A. A. Fajrin, “Penerapan Data Mining Untuk Analisis Pola Pembelian Konsumen Dengan Algoritma Fp-Growth Pada Data Transaksi Penjualan Spare Part Motor,” Klik - Kumpulan Jurnal Ilmu Komputer, vol. 5, no. 1, p. 27, 2018.

F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p. 238, 2018.

D. R. Ningrat, D. A. I. Maruddani, and T. Wuryandari, “Analisis Cluster Dengan Algoritma K-Means Dan Fuzzy C-Means Clustering Untuk Pengelompokan Data Obligasi Korporasi,” Jurnal Gaussian, vol. 5, no. 4, pp. 641–650, 2016.

M. G. Sadewo, A. P. Windarto, and A. Wanto, “Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan K-Means,” KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 2, no. 1, pp. 311–319, 2018.

F. E. M. Agustin, “Implementasi Algoritma K-Means Untuk Menentukan Kelompok Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi Kasus: Smp Negeri 101 Jakarta),” Jurnal Teknik Informatika, vol. 8, no. 1, pp. 73–78, 2015.

L. Rahmah, “Perbandingan Hasil Penggerombolan K-Means, Fuzzy K-Means, Dan Two Step Clustering,” Jurnal Pendidikan Matematika, vol. 2, no. 1, p. 39, 2017.

E. Muningsih and S. Kiswati, “Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang,” Jurnal Bianglala Informatika, vol. 3, no. 1, pp. 10–17, 2015.

B. M. Metisen and H. L. Sari, “Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila,” Jurnal Media Infotama, vol. 11, no. 2, pp. 110–118, 2015.

E. Triandini, F. A. Hermawati, and I. K. P. Suniantara, “Hierarchical Clustering For Functionalities E-Commerce Adoption,” Jurnal Ilmiah Kursor, vol. 10, no. 3, pp. 111–118, 2020.

E. T. Puteri, G. Kusnanto, and C. J. Thomas, “Penerapan K-Means Clustering Untuk Segmentasi Pelanggan Pada Sistem Customer Relationship Management Di Pt. Unichem Candi Indonesia,” Konvergensi, vol. 15, no. 2, 2020.

K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Computer Engineering, Science and System Journal, vol. 3, no. 2, p. 173, 2018.

A. Aditya, I. Jovian, and B. N. Sari, “Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019,” Jurnal Media Informatika Budidarma, vol. 4, no. 1, p. 51, 2020.

M. Siti, “Segmentasi Perilaku Pembelian Pelanggan Berdasarkan Model RFM dengan Metode K-Means,” Jurnal Sistem Informasi, vol. 2, no. 1, pp. 9–15, 2018.

S. Saifullah, M. Zarlis, Z. Zakaria, and R. W. Sembiring, “Analisa Terhadap Perbandingan Algoritma Decision Tree Dengan Algoritma Random Tree Untuk Pre-Processing Data,” J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 1, no. 2, p. 180, 2017.

A. Amalia, M. S. Lydia, S. D. Fadilla, and M. Huda, “Perbandingan Metode Klaster dan Preprocessing Untuk Dokumen Berbahasa Indonesia,” Jurnal Rekayasa Elektrika, vol. 14, no. 1, pp. 35–42, 2018.

N. Rohmawati, S. Defiyant, and M. Jajuli, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, vol. I, no. 2, pp. 62–68, 2015.

C. L. Simbolon, N. Kusumastuti, and B. Irawan, “Clustering lulusan mahasiswa matematika fmipa untan pontianak menggunakan algoritma fuzzy c - means,” Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster), vol. 02, no. 1, pp. 21–26, 2013.

A. Suryadi, “Sistem Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) Dengan Algoritma Fuzzy C-Means (FCM),” Jurnal Pendidikan Matematika, vol. 4, no. 2, pp. 58–65, 2015.

N. Shofiani, “Segmentasi Supplier Menggunakan Metode K- Means Clustering ( Studi Kasus : Ptpn X Pg Meritjan ),” Institut Teknologi Sepuluh Nopember Surabaya, 2017.

Published
2022-07-16