creators_name: ATIF , SETIAWAN
creators_id: 1917031017
type: other
datestamp: 2023-12-19 01:27:37
lastmod: 2023-12-19 01:27:37
metadata_visibility: show
title: IMPLEMENTASI ALGORITMA K-MEANS DENGAN MENGGUNAKAN
METODE ELBOW DAN SILHOUETTE PADA KLASTERISASI TINGKAT
GIZI BALITA DI PUSKESMAS MARGOYOSO TAHUN 2020
ispublished: pub
subjects: 500
subjects: 510
full_text_status: restricted
abstract: Nutrition is a measure to determine the health status of a toddler or child. Good
child development depends on adequate nutrition obtained. Research by clustering
children based on nutritional levels is an effort to find out and measure how well
parents provide their children with nutritional needs. Clustering using the KMeans
algorithm can be used to perform clustering by looking at the size of the
closeness of the data. The measure of closeness of the data in question is the age
of the child himself. In clustering using this algorithm, the elbow and silhouette
methods are also used, where these two methods are considered the best for
clustering the nutritional status of toddlers. By using this method, the optimal
number of clusters is 2 clusters. This means that from this 288 data sets, 2 clusters
of toddlers were obtained, with the first cluster of toddlers with adequate
nutritional status, and the second cluster of toddlers with good nutritional status. A
silhouette value of 0.5 was also obtained, which means that data clustering has
produced a good structure. So it can be concluded that clustering using the KMeans
algorithm produces 2 optimal clusters which are determined using the
elbow method, and produces a silhouette value of 0.5, where the data structure of
grouping these 2 clusters is good.
Keywords : K-Means Algortihm, Nutrition, Cluster, Elbow Method, Silhouette
Score

Gizi merupakan suatu ukuran untuk menentukan status kesehatan bagi seorang
balita atau anak. Perkembangan anak yang baik bergantung dari kecukupan gizi
yang diperoleh. Penelitian dengan pengklasteran anak berdasarkan tingkat gizi
adalah salah satu upaya untuk mengetahui dan mengukur seberapa baik
pemenuhan kebutuhan gizi yang diberikan orang tua kepada anaknya.
Pengklasteran dengan menggunakan algoritma K-Means dapat digunakan untuk
melakukan pengklasteran dengan melihat ukuran kedekatan data. Ukuran
kedekatan data yang dimaksud adalah usia dari anak itu sendiri. Dalam
pengklasteran menggunakan algoritma ini digunakan pula metode elbow dan
silhouette dimana kedua metode ini dirasa paling baik untuk melakukan
pengklasteran status gizi balita. Dengan menggunakan metode ini diperoleh
jumlah klaster optimal sebanyak 2 klaster. artinya dari data sebanyak 288 data ini
diproleh 2 klaster balita dengan klaster pertama balita dengan status gizi cukup,
dan klaster 2 balita dengan status gizi baik. Diperoleh juga nilai silhouette sebesar
0,5 yang artinya pengklasteran data sudah menghasilkan struktur yang baik.
Sehingga dapat disimpulkan bahwa pengklasteran menggunakan algoritma KMeans
menghasilkan klaster optimal sebanyak 2 yang ditentukan dengan
menggunakan metode elbow, dan menghasilkan nilai silhouette seebesar 0,5
dimana struktur data dari pengelompokkan 2 klaster ini sudah baik.
Kata Kunci : Algoritma K-Means, Gizi, Klaster, Metode Elbow, Nilai Silhouette
date: 2023-09-29
date_type: published
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
place_of_pub: UNIVERSITAS LAMPUNG
id_number: 1917031017
citation:   ATIF , SETIAWAN  (2023) IMPLEMENTASI ALGORITMA K-MEANS DENGAN MENGGUNAKAN METODE ELBOW DAN SILHOUETTE PADA KLASTERISASI TINGKAT GIZI BALITA DI PUSKESMAS MARGOYOSO TAHUN 2020.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
document_url: http://digilib.unila.ac.id/77587/1/ABSTRAK.pdf
document_url: http://digilib.unila.ac.id/77587/2/SKRIPSI%20FULL.pdf
document_url: http://digilib.unila.ac.id/77587/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf