Penerapan Algoritma K-Means Untuk Mengelompokkan Makanan Berdasarkan Nilai Nutrisi

Penelitian ini bertujuan untuk mengelompokkan makanan yang memiliki nilai nutrisi yang serupa. Yang mana makanan dibagi ke dalam 3 cluster yaitu makanan yang mempunyai kadar nutrisi tinggi, sedang dan rendah. Hasil pengelompokan pada penelitian ini dapat digunakan untuk pemilihan dan konsumsi makanan dalam pemenuhan nutrisi dan juga dapat digunakan untuk mencegah timbulnya penyakit yang disebabkan oleh makanan. Seperti makanan pada cluster 0 bisa dipilih jika ingin menaikkan berat badan. Makanan cluster 1 dapat menjadi patokan jika dikonsumsi terlalu banyak dapat menyebabkan obesitas dan cluster 2 dapat dipilih jika ingin melakukan diet atau menurunkan berat badan. Hasil ini ditunjukkan dari hasil klasterisasi di mana cluster pertama diisi oleh makanan dengan kadar kalori dan protein yang cukup tinggi dan kadar lemak, karbohidrat yang rendah. Cluster kedua diisi oleh makanan dengan kadar kalori, protein dan lemak yang tinggi serta kadar karbohidrat yang rendah. Cluster ketiga diisi oleh makanan dengan kadar kalori, protein, lemak dan karbohidrat yang rendah. Penelitian ini menggunakan metode clustering dengan menerapkan algoritma K-Means karena efektif dalam melakukan klasterisasi terhadap tipe data numerik dan menguji menggunakan Elbow Method dan Davies Bouldin Index.