Pengelompokkan Produk Kemasan yang Harus Dihindari Penderita Diabetes Menggunakan Algoritma K-Means Clustering

Nurul Husna, Farida Hanum, M Fauzan Azrial

Abstract


Kurangnya pengetahuan masyarakat dalam pentingnya memperhatikan informasi nilai gizi yang terdapat di dalam suatu produk menyebabkan masyarakat tidak terhindar dari berbagai penyakit, salah satu nya seperti penyakit diabetes dimana penderita penyakit ini harus lebih memperhatikan kadar glukosa yang terdapat di dalam makanan dan minuman yang dikonsumsi. Penelitian ini bertujuan untuk mengelompokkan beberapa produk kemasan yang terdapat di dua minimarket Kota Langsa menjadi kelompok produk tinggi gula rendah natrium dan produk rendah gula tinggi natrium dimana produk tinggi gula ini adalah produk yang dapat dihindari penderita diabetes. Metode yang digunakan pada penelitian ini adalah metode K-Means yaitu metode yang digunakan untuk mencari data dalam clustering non-hierarchical, dimana clustering tersebut berusaha untuk mempartisi data yang terdapat didalamnya menjadi satu bentuk atau lebih kedalam suatu cluster/kelompok. Data yang digunakan dalam penelitian ini adalah data nilai gizi seperti jumlah lemak, protein, gula, dan natrium dalam setiap produk kemasan. Penelitian ini juga menggunakan software RStudio untuk mengolah data dengan metode K-Means. Hasil penelitian ini memiliki dua bentuk, yaitu pengelompokkan produk kedalam dua kategori yang dihitung secara manual dan pengelompokkan produk kedalam dua kategori menggunakan RStudio beserta grafik berbentuk Plot Scatter.


Keywords


Diabetes, K-Means Clustering, GulaU

Full Text:

PDF

References


Pramadhani, Aline Embun, Setiadi, Tedy. 2014. Penerapan Data Mining Untuk Klasifikasi Prediksi Penyakit ISPA (Infeksi Saluran Pernapasan Akut) Dengan Algoritma Decision Tree (ID3). Jurnal Sarjana Teknik Informatika Volume 2 Nomor 1.

Efendi, Muhamad Subhan, Wibawa, Helmie Arif. 2018. Prediksi Penyakit Diabetes Menggunakan Algoritma ID3 dengan Pemilihan Atribut Terbaik (Diabetes Prediction using ID3 Algorithm with Best Attribute Selection). JUITA p-ISSN: 2086-9398 (print); e-ISSN: 2579-9801 (online); Volume VI, Nomor 1.

Asroni, Ronald Adrian. 2015. Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang. Jurnal Ilmiah Semesta Teknika Vol. 18, No. 1,76-82

Widodo, dan Wahyuni, Dina. 2017. Implementasi Algoritma K-Means Clustering Untuk Mengetahui Bidang Skripsi Mahasiswa Multimedia Pendidikan Teknik Informatika Dan Komputer Universitas Negeri Jakarta. Jurnl PINTER Vol. 1, No. 2

Sucipto, Hadi, dkk. 2017. SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DAN PENJURUSAN PADA SEKOLAH MENENGAH KEJURUAN(SMK). JURNAL EKONOMI DAN TEKNIK INFORMATIKA VOL. 5 NO. 2

Muningsih, Elli, & Kiswati, Sri. 2015. . Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang. Jurnal Bianglala Informatika Vol. , No. 1

Ndruru, Efroni & Limbong, Riswan. 2018. Implementasi Data Mining Dalam Pengelompokkan Jurusan yang Diminati Siswa SMK Negeri 1 Lolowa’u menggunakan Metode Clustering. MEANS (Media Informasi Analisa dan Sistem) p-ISSN: 2548-6985, e-ISSN: 2599-3089; Volume 3 No. 2.




DOI: https://doi.org/10.30743/infotekjar.v4i1.1484

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Nurul Husna, Farida Hanum, M Fauzan Azrial

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

Program Studi Teknik Informatika - Universitas Islam Sumatera Utara
Website : http://jurnal.uisu.ac.id/index.php/infotekjar/index
Email : infotekjar@ft.uisu.ac.id

InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan) is licensed under a Creative Commons Attribution 4.0 International License