Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita

Authors

  • Muhammad Raqib Syahkur STIKOM Tunas Bangsa Pematangsiantar
  • Dedy Hartama STIKOM Tunas Bangsa
  • Solikhun Solikhun STIKOM Tunas Bangsa

Keywords:

Gizi Balita, Algortima, K-Means , Silhouette, Elbow, DBI

Abstract

The nutritional status of toddlers is a crucial indicator in determining the quality of public health. Dietary imbalances in toddlers can lead to serious health issues, such as stunting and an increased risk of chronic diseases later in life. Therefore, clustering toddler nutrition data is essential for analyzing and determining appropriate interventions. This study aims to develop a method for clustering toddler nutrition data using the K-Means++ algorithm, which can evaluate initial centroids more accurately than the classic K-Means algorithm. Additionally, it evaluates the most optimal number of clusters using the Silhouette and Elbow methods and validates the clustering results using the Davies-Bouldin Index (DBI). The analysis results show that the Silhouette method produces the best number of clusters at K=2, with an average Silhouette value approaching 1. Meanwhile, the Elbow method identifies the elbow point at K=5, indicating that the optimal number of clusters is at that point. Validation using DBI shows that the DBI value for the Silhouette method with K=2 is 0.682471249, while the DBI value for the Elbow method with K=5 is 1.238458579. The lower DBI value at K=2 indicates that this clustering has strong internal cohesion and clear separation between clusters, thus K=2, obtained through the Silhouette method, is chosen as the optimal clustering result.

References

Adhitama, R., Burhanuddin, A., & Ananda, R. (2020). Penentuan Jumlah Cluster Ideal Smk Di Jawa Tengah Dengan Metode X-Means Clustering Dan K-Means Clustering. JIKO (Jurnal Informatika Dan Komputer), 3(1), 1–5. https://doi.org/10.33387/jiko

Amelia, D., Padilah, T. N., & Jamaludin, A. (2022). Optimasi Algoritma K-Means Menggunakan Metode Elbow dalam Pengelompokan Penyakit Demam Berdarah Dengue (DBD) di Jawa Barat. Jurnal Ilmiah Wahana Pendidikan, 8(11), 207–215. https://doi.org/10.5281/zenodo.6831380

Anggie Nauli, H. (2021). Analisis Deskriptif Phbs Dan Status Gizi Masyarakat Upaya Peningkatan Status Kesehatan Melalui Pendekatan Kolaboratif Berbagai Pemangku Kepentingan. Abdi Dosen : Jurnal Pengabdian Pada Masyarakat, 5(1), 49. https://doi.org/10.32832/abdidos.v5i1.832

Bau, M. K. D., Setyawan, Y., & Jatipaningrum, M. T. (2023). Perbandingan Metode Algoritma K-Means Dan K-Medoids Pada Pengelompokan Kabupaten/Kota Di Provinsi Nusa Tenggara Timur Berdasarkan Dimensi Indeks Pembangunan Manusia Tahun 2020. Jurnal Statistika Industri Dan Komputasi, 8(1), 48–57. https://doi.org/10.34151/statistika.v8i1.4418

Bayu Lokananta, R., Yuana, H., & Dwi Puspitasari, W. (2024). Implementasi Algoritma K-Means Terhadap Pengelompokkan Status Gizi Balita (Studi Kasus : Posyandu Melati Vii). JATI (Jurnal Mahasiswa Teknik Informatika), 7(5), 3585–3592. https://doi.org/10.36040/jati.v7i5.7377

Chabibah, N., Khanifah, M., & Kristiyanti, R. (2020). Pengaruh Pemberian Modifikasi Edukasi Booklet Gizi Balita Dan Cooking Class Terhadap Pengetahuan Dan Pola Pemberian Makan Balita. Jurnal Kebidanan Indonesia, 11(2), 47. https://doi.org/10.36419/jkebin.v11i2.372

Devi Sari, Sri Achadi Nugraheni, & Mohammad Zen Rahfiludin. (2023). Bagaimana Kontribusi Intervensi Gizi Sensitif dalam Upaya Penurunan Stunting? : Literature Review. Media Publikasi Promosi Kesehatan Indonesia (MPPKI), 6(5), 885–895. https://doi.org/10.56338/mppki.v6i6.3416

Emmaria, R., Sinaga, K., Manurung, B., Tobing, R. A. L., Lubis, R. D., & Sihombing, P. A. (2024). Edukasi Penanganan Dan Pencegahan Gizi Kurang Pada Balita Di Wilayah Kerja Puskesmas Rantang Kota Medan Tahun 2024. Jurnal Pengabdian Kolaborasi Dan Inovasi IPTEKS, 2(4), 1309–1314. https://doi.org/10.59407/jpki2.v2i4.1168

Isni, K., & Dinni, S. M. (2020). Pelatihan Pengukuran Status Gizi Balita Sebagai Upaya Pencegahan Stunting Sejak Dini Pada Ibu Di Dusun Randugunting, Sleman, Diy. Panrita Abdi - Jurnal Pengabdian Pada Masyarakat, 4(1), 60. https://doi.org/10.20956/pa.v4i1.7299

Juanita, S., & Cahyono, R. D. (2024). K-Means Clustering With Comparison of Elbow and Silhouette Methods for Medicines Clustering Based on User Reviews. Jurnal Teknik Informatika (JUTIF), 5(1), 283–289. https://doi.org/10.52436/1.jutif.2024.5.1.1349

Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119. https://doi.org/10.24014/rmsi.v5i1.7381

Khairunnas, M. A., Jamaludin, A., & Adam, R. I. (2023). Pengaruh Pendapatan Orang Tua terhadap Hasil Belajar Siswa Menggunakan Algoritma K-Means Clustering. Jurnal Pendidikan Tambusai, 7(3), 31434–31444. https://doi.org/10.31004/jptam.v7i3.12130

Laili, U. F., Umatin, C., & Ridwanulloh, M. U. (2023). Analisis Potensial Drop Out Mahasiswa Dengan K-Means++ Clustering Dalam Upaya Peningkatan Kualitas IAIN Kediri. Paedagoria: Jurnal Kajian, Penelitian Dan Pengembangan Kependidikan, 14(2), 145–153. https://doi.org/10.31764/paedagoria.v14i2.14077

Maori, N. A., & Evanita, E. (2023). Metode Elbow dalam Optimasi Jumlah Cluster pada K-Means Clustering. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 14(2), 277–288. https://doi.org/10.24176/simet.v14i2.9630

Mohammad Ferdiansyah, & Umi Chotijah. (2024). Implementasi Algoritme K-Means++ Untuk Clustering Penjualan Bahan Bangunan. Jurnal Ilmiah Teknik Informatika Dan Komunikasi, 4(1), 181–193. https://doi.org/10.55606/juitik.v4i1.767

Nugraha, R. P., Laxmi, G. F., & Riana, F. (2024). Penerapan K-Means ++ Untuk Pengelompokan Mahasiswa Berpotensi Drop Out ( Studi Kasus : Universitas Ibn Khaldun Bogor ). JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3493–3500. https://doi.org/10.36040/jati.v8i3.9738

Paembonan, S., & Abduh, H. (2021). Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat. PENA TEKNIK: Jurnal Ilmiah Ilmu-Ilmu Teknik, 6(2), 48. https://doi.org/10.51557/pt_jiit.v6i2.659

Pangestu, B. A., Kristiawan, N. A., & Sulistiyowati, N. (2022). Clustering Obat Untuk Menentukan Pola Pemasaran Efektif di Apotek Amarta Sehat. Jurnal Ilmiah Wahana Pendidikan, 8(16), 115–126. https://doi.org/10.5281/zenodo.7058995

Putri, V. H., Sitoayu, L., & Ronitawati, P. (2021). Pengaruh media AR Book terhadap peningkatan pengetahuan dan sikap gizi seimbang pada anak usia sekolah. Aceh Nutrition Journal, 118–127. https://doi.org/10.30867/action.v6i2.380

Ramdani, C., & Safadila, N. (2022). Analisis Data Akademis dengan Menerapkan Algoritme K-Means dan K-Means++. LEDGER: Journal Informatic and Information Technology, 1(4), 155–160. https://doi.org/10.20895/LEDGER.V1I4.918

Sidik, R., Suarna, N., & Rinaldi Dikananda, A. (2023). Analisa Data Set Peminatan Siswa Menggunakan Algoritma K-Means Dengan Optimize Parameter Di Sekolah Menengah Kejuruan. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2), 1197–1203. https://doi.org/10.36040/jati.v7i2.6335

Suraya, G. R., & Wijayanto, A. W. (2022). Comparison of Hierarchical Clustering, K-Means, K-Medoids, and Fuzzy C-Means Methods in Grouping Provinces in Indonesia according to the Special Index for Handling Stunting. Indonesian Journal of Statistics and Its Applications, 6(2), 180–201. https://doi.org/10.29244/ijsa.v6i2p180-201

Suriany Simamora, R., & Kresnawati, P. (2021). Pemenuhan Pola Makan Gizi Seimbang Dalam Penanganan Stunting Pada Balita Di Wilayah Puskesmas Kecamatan Rawalumbu Bekasi. Jurnal Bidang Ilmu Kesehatan, 11(1), 34–45. https://doi.org/10.52643/jbik.v11i1.1345

Syahfitri, N., Budianita, E., Nazir, A., & Afrianty, I. (2023). Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(3), 1668–1675. https://doi.org/10.30865/klik.v4i3.1525

Tholabah, M., Nugroho, R. A., & Mu’min, S. (2024). Penerapan Metode K-Means dalam Pengelompokkan Status Gizi Anak dan Remaja. Nusantara Computer and Design Review, 2(1), 7–14. https://doi.org/10.55732/ncdr.v2i1.1209

Wahyuni, D., & Fithriyana, R. (2020). Pengaruh Sosial Ekonomi Dengan Kejadian Stunting Pada Balita Di Desa Kualu Tambang Kampar. PREPOTIF : Jurnal Kesehatan Masyarakat, 4(1), 20–26. https://doi.org/10.31004/prepotif.v4i1.539

Yunita, D., Luthfi, A., & Erlinawati. (2020). HUBUNGAN PEMBERIAN STIMULASI DINI DENGAN PERKEMBANGAN MOTORIK PADA BALITA DI DESA TANJUNG BERULAK WILAYAH KERJA PUSKESMAS KAMPAR TAHUN 2019. JURNAL KESEHATAN TAMBUSAI, 1(2), 61–68. https://doi.org/10.32668/jkep.v3i2.205

Z, M. Z. R., Muttakin, F., Zarnelly, & Permana, I. (2024). Sistem Pakar Untuk Mendiagnosa Gizi Buruk Pada Balita Menggunakan Metode Forward Chaining. KLIK : Kajian Ilmiah Informatika Dan Komputer, 4(5), 2567–2666. https://doi.org/10.30865/klik.v4i5.1776

Published

2025-01-01

How to Cite

Muhammad Raqib Syahkur, Hartama, D. ., & Solikhun, S. (2025). Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita. JST (Jurnal Sains Dan Teknologi), 13(3). Retrieved from https://ejournal.undiksha.ac.id/index.php/JST/article/view/86419