Resha Anjariansyah, Copyright © 2022, MIB, Page 597
Clustering Kebutuhan Makanan untuk Meminimasi Standar Deviasi Angka Kebutuhan Gizi Menggunakan Algoritma K-Means dan K-
Medoids
Resha Anjariansyah, Agung Triayudi*
Fakultas Teknologi Komunikasi dan Informatika, Sistem Informasi, Universitas Nasional, Jakarta, Indonesia Email: 1[email protected], 2*[email protected]
Email Penulis Korespondensi: [email protected]
Abstrak−Upaya untuk mencegah masalah gizi adalah pendidikan gizi seimbang, yang terdiri dari empat prinsip pola makan yang bervariasi, gaya hidup bersih, aktivitas fisik dan pemantauan berat badan secara teratur. Keanekaragaman makanan pada setiap kali makan divisualisasikan sebagai isi piring ku yang terdiri dari sepertiga makanan pokok, sepertiga lauk pauk, dan sepertiga sayur dan buah. Dalam menentukan gizi seimbang menggunakan prinsip Isi Piring Ku yang terdiri dari makanan pokok, lauk pauk, sayur, dan buah. Penelitian ini bertujuan untuk mengkelompokan atau clustering Tabel Bahan Pangan Indonesia tahun 2017 menggunakan algoritma k-means dan k-medoids. Data dari jenis pangan yang sudah dirangkum di TKPI tahun 2017 menjadi 4 kategori sesuai yaitu clustering makanan buah (Klanpenres_0), clustering makanan pokok (Klanpenres_1), clustering lauk pauk (Klanpenres_2), clustering sayuran (Klanpenres_3). Pada hasil penelitian ini hasil dari clustering menggunakan algoritma k-means bahwa terdapat 109 untuk (Klanpenres_0), 323 untuk (Klanpenres_1), 166 untuk (Klanpenres_2), 105 untuk (Klanpenres_3). Sedangkan hasil clustering menggunakan algoritma k-medoids adalah 107 untuk (Klanpenres_0), 325 untuk (Klanpenres_1), 166 untuk (Klanpenres_2),107 untuk (Klanpenres_3). Sedangkan untuk hasil standar deviasi dari clustering menggunakan algoritma k-means terdapat 3 kategori yang melebihi standar anjuran Angka Kecukupan Gizi 40 persen, dan 1 kategori yang kurang dari standar. Dan hasil standar deviasi dari clustering menggunakan algoritma k-medoids terdapat 4 kategori yang kelebihan pada standar anjuran Angka Kecukupan Gizi.
Kata Kunci: Kebutuhan Makanan; Isi Piringku; Clustering; Data Mining; K-Means; K-Medoids
Abstract−To prevent nutritional problems is balanced nutrition education, which consists of the four principles of a varied diet, a clean lifestyle, physical activity and regular weight monitoring. The diversity of food at each meal is visualized as the contents of my plate which consists of one third of staple foods, one third of side dishes, and one third of vegetables and fruit.
In determining balanced nutrition, the principle of Fill My Plate is used, which consists of staple foods, side dishes, vegetables and fruit. This study aims to group or cluster the Indonesian Food Ingredients Table in 2017 using the k-means and k-medoids algorithms. Data from food types that have been summarized at TKPI in 2017 are divided into 4 appropriate categories, namely fruit food clustering (Klanpenres_0), staple food clustering (Klanpenres_1), side dishes clustering (Klanpenres_2), vegetable clustering (Klanpenres_3). In the results of this study the results of clustering using the k-means algorithm that there are 109 for (Klanpenres_0), 323 for (Klanpenres_1), 166 for (Klanpenres_2), 105 for (Klanpenres_3).
While the results of clustering using the k-medoids algorithm are 107 for (Klanpenres_0), 325 for (Klanpenres_1), 166 for (Klanpenres_2), 107 for (Klanpenres_3). Meanwhile, for the standard deviation results from clustering using the k-means algorithm, there are 3 categories that exceed the recommended standard for the 40 percent Nutritional Adequacy Ratio, and 1 category that is less than the standard. And the results of the standard deviation of clustering using the k-medoids algorithm, there are 4 categories that are superior to the recommended standard for the Nutrition Adequacy Rate.
Keywords: Food Needs; MyPlate; Clustering; Data Mining; K-Means; K-Medoids
1. PENDAHULUAN
Salah satu upaya untuk mencegah masalah gizi adalah dengan memberikan edukasi tentang gizi seimbang. Ini terdiri dari empat prinsip yaitu jenis makanan, gaya hidup bersih, aktivitas fisik, dan manajemen berat badan secara teratur. Keanekaragaman lauk setiap kali makan divisualisasikan dengan isi piring ku yang terdiri dari sepertiga piring makanan pokok, sepertiga piring lauk pauk, dan sepertiga sayuran dan buah. [1]
Kesehatan memegang peranan yang sangat penting bagi manusia. Di era makan sepuasnya saat ini, orang cenderung memilih makanan siap saji, sehingga tidak ada kontrol nutrisi terkait kalori yang dibutuhkan. Secara umum, makan berlebihan menyebabkan kolesterol menumpuk karena memenuhi kebutuhan makanan lebih dari kalori. Makanan yang dikonsumsi seseorang tidak boleh melebihi kalori yang dikonsumsi per hari. Penting untuk mengetahui berapa banyak yang Anda makan dan nutrisi apa yang terkandung dalam setiap makanan untuk mengontrol kebutuhan kalori Anda dengan benar. [2]
Data Tabel Komposisi Pangan Indonesia (TKPI) tahun 2017 merupakan pengembangan lebih lanjut dari Tabel Komposisi Pangan Indonesia (TKPI) tahun 2009. Dalam perkembangan ini, memasukkan nilai gizi dan melaksanakan Tabel Komposisi Pangan Indonesia (TKPI) 2017. Tidak ada nilai atau masih kosong di bawah penggunaan input value dan borrowed value.[3]
Jenis-jenis makanan yang tercantum dalam Tabel Komposisi Pangan Indonesia (TKPI) tahun 2017 adalah sebagai berikut.
a. Makanan tunggal TKPI ini tidak diolah, bebas dari bahan makanan lain (termasuk garam dan minyak), biasanya dalam bentuk mentah atau segar, atau masih dalam bentuk alami.
b. Pangan olahan dalam TKPI ini merupakan bahan pangan yang sudah mengalami proses pengolahan sebagai akibatnya merubah bentuk alami bahan pangan. Contoh bahan pangan tunggal terolah merupakan tepung gandum & tepung beras. Pangan komposit/ adonan misalnya masakan, kudapan manis-kudapan manis &
pangan pabrikan. [3]
Pada tabel 1 terdapat pengelompokan pangan di TKPI tahun 2017 mengacu pada pengelompokan pangan yang dilakukan dengan harmonisasi ASEAN. Pengelompokan makanan berdasarkan jenis, ciri, bagian dan fungsinya. [3]
Tabel 1. Tabel Pengelompokkan Makanan
No Bahan Pangan
1 Serelia dan hasil olahannya 2 Umbi berpati dan hasil olahannya 3 Kacang, biji, bean, dan hasil olahannya 4 Sayuran dan hasil olahannya
5 Buah dan hasil olahannya
6 Daging, unggas dan hasil olahannya 7 Ikan, kerrang, udang dan hasil olahannya 8 Telur dan hasil olahannya
9 Susu dan hasil olahannya 10 Lemak dan minyak 11 Gula, sirup, konfeksioneri 12 Bumbu
13 Minuman
Makan makanan yang harus seimbang untuk pemenuhan Angka Kebutuhan Gizi antara lain : [4]
1. Sel-sel yang rusak menjaga jaringan tubuh hingga kesehatan organ tetap terjaga.
2. Menyesuaikan metabolisme tubuh dan keseimbangan berbagai cairan tubuh 3. Meningkatkan daya tahan tubuh terhadap berbagai penyakit.
Angka Kecukupan Gizi adalah rata-rata kebutuhan gizi harian untuk kesehatan yang optimal bagi semua orang berdasarkan kelompok umur, jenis kelamin, ukuran tubuh dan aktivitas fisik. AKG sesuai pada tingkat konsumsi, tetapi pada tingkat produksi dan pasokan, kerugian dan kegunaan lain harus diperhitungkan dari tingkat produksi hingga tingkat konsumsi. Angka Kecukupan Gizi dicatat dalam format tabel. [5]
Data Mining adalah ekstraksi informasi. Dari sejumlah besar data untuk mengidentifikasi informasi tersembunyi Manfaatkan dan fasilitasi pengetahuan secara real time aplikasi. [6] Clustering adalah teknik statistik multidimensi yang bertujuan untuk mengumpulkan individu-individu yang serupa ke dalam kelas-kelas yang homogen berdasarkan nilai-nilai yang diamati dalam sekumpulan variabel. Kelas yang dihasilkan dapat diatur sesuai dengan berbagai struktur.[7]
MyPlate, ikon dan rencana komunikasi multimodal yang dikembangkan untuk Pedoman Diet 2010 untuk Orang Amerika (DGA), memberikan kesempatan untuk mempertimbangkan pendekatan baru untuk mengevaluasi efektivitas inisiatif komunikasi. Tinjauan indikator yang digunakan dalam penilaian untuk inisiatif komunikasi DGA sebelumnya menemukan kesenjangan dalam memperhitungkan hasil jangka menengah dan jangka panjang yang penting.[8] Dalam pedoman diet, fokus telah bergeser dari nutrisi individu ke diet, kelompok makanan dan bahan makanan.[9] Karena indikasi gizi seimbang dapat dilihat dari berat badan dan tinggi badan apakah ideal atau tidak. [10]
Pada gambar 1 dapat dilihat bahwa dalam menentukan gizi seimbang menggunakan prinsip Isi Piring Ku yang terdiri dari makanan pokok, lauk pauk, sayur dan buah. [11]
Gambar 1. Isi Piringku
Maka, diperlukannya suatu acuan yang dapat mengedukasi pol acara makan yang tepat dan sesuai.
Karena agar dapat terkontrol dari bayi sampai dengan lansia terhadap Angka Kecukupan Gizi agar tidak
Resha Anjariansyah, Copyright © 2022, MIB, Page 599 berlebihan sampai dengan obesitas.[10][12] Penyakit kardiovaskular merupakan penyebab kematian nomor satu di dunia. penyakit Hal ini dipengaruhi oleh beberapa faktor, seperti kurangnya aktivitas fisik, asupan nutrisi yang tidak seimbang, dan kadar kolesterol darah yang tinggi.[13]
Kementerian Kesehatan telah menerbitkan Tabel Komposisi Pangan Indonesia pada tahun 2017. Pada Penelitian kali ini akan mengkelompokan atau clustering data dari jenis pangan yang sudah dirangkum di TKPI tahun 2017 menjadi 4 kategori sesuai yaitu clustering buah (Klaspenres_0), clustering makanan pokok (Klaspenres_1), clustering lauk pauk (Klaspenres_2) clustering sayuran (Klaspenres_3).
Berdasarkan latar belakang yang telah diuraikan diatas, maka rumusan masalahnya adalah bagaimana clustering pada Tabel Komposisi Pangan Indonesia (TKPI) dengan meminimasi standar deviasi sesuai untuk pemenuhan Isi Piringku. Adapun tujuan dari penelitian ini adalah untuk mengetahui kesesuaian angka pengelompokan/ clustering standar deviasi Tabel Komposisi Pangan Indonesia (TKPI) dengan pemenuhan Isi Piringku.
2. METODE PENELITIAN
Gambar 2. Metode Penelitian
Dalam penelitian ini, seperti yang dapat dilihat pada gambar 2 peneliti mengembangkan penerapan metode clustering K-Means dan K-Medoids untuk mengelompokkan data tabel komposisi pangan Indonesia (TKPI) secara kuantitatif. [14] Metode pada penelitian ini adalah mengimplementasikan algoritma K-Means dan algoritma K-Medoids dengan menggunakan bantuan bahasa pemograman Phyton, setelah melakukan proses clustering, peneliti melakukan perancangan sistem data record aplikasi berbasis website yaitu Hitung Giziku (HIGIKU).
2.1 Sumber Data
Berikut sumber data yang digunakan :
a. Dataset diambil dari data Tabel Komposisi Pangan Indonesia dengan format program Microsoft Excel (xls.) dengan record sebanyak 703 data. [3]
b. Tabel Angka Kecukupan Gizi merujuk kepada Peraturan Menteri Kesehatan Republik Indonesia Nomor 28 Tahun 2019 Tentang Angka Kecakupan Gizi yang dianjurkan untuk Masyarakat Indonesia. [5]
2.2 Identifikasi Masalah
Pada tabel 2 ini identifikasi masalah yang akan dibahas adalah data mining untuk mengelompokkan jenis makanan dari Tabel Komposisi Pangan Indonesia (TKPI) [3] sesuai dengan kategori pengelompokan.
Tabel 2. Tabel Penentuan Kategori Kategori Penelitian Bahan
Energi Protein
Kategori Penelitian Mineral
Vitamin 2.3 Algoritma K-Means
Langkah-langkah Algritma K-Means adalah : [15]
a. Tempatkan k titik ke dalam ruang yang diwakili oleh objek yang sedang dikelompokkan. Poin-poin ini b. mewakili centroid grup awal.
c. Tugaskan setiap objek ke grup yang memiliki pusat terdekat.
d. Ketika semua objek telah ditetapkan, hitung ulang posisi k centroid.
e. Ulangi Langkah 2 dan 3 sampai centroid no bergerak lebih lama. Ini menghasilkan pemisahan objek ke dalam kelompok dari mana metrik menjadi diminimalkan dapat dihitung
2.4 Algoritma K-Medoids
Langkah-langkah algoritma K-Medoids secara umum adalah : [16]
a. Inisialisasi pusat cluster sebanyak k (jumlah cluster)
b. Pada rumus 1 Alokasikan setiap data (objek) ke cluster terdekat menggunakan persamaan ukuran jarak Euclidian Distance dengan persamaan : 𝑑(𝑥, 𝑦) = √∑𝑛𝑖=1(𝑥𝑖− 𝑦𝑖)2 (1)
c. Pilih secara acak dengan objek pada masing-masing cluster sebagai kandidat medoids baru.
d. Hitung jarak setiap objek yang berada pada masing-masing cluster dengan kandidat medoids baru.
e. Hitung total simpangan (S) dengan menghitung nilai total distance baru – total distance lama. Jika S<0, maka tukar objek dengan data cluster untuk membentuk sekumpulan k objek baru sebagai medoid.
3. HASIL DAN PEMBAHASAN
Pada bagian hasil dan pembahasan akan menjelaskan hasil implementasi clustering menggunakan algoritma k- means dan k-medoids terhadap Tabel Komposisi Pangan Indonesia (TKPI) menggunakan program Phyton, penjelasan sistem informasi Hitung Giziku berbasis web menggunakan PHP, serta akan dijabarkan standar deviasi pada hasil clustering Tabel Komposisi Pangan Indonesia (TKPI) terhadap Angka Kecukupan Gizi (AKG), yang bertujuan untuk melihat seberapa ragam dalam keanekaragaman makanan terhadap Tabel Komposisi Pangan Indonesia (TKPI). Pada tabel 3 dan 4 berikut attribute dan variabel yang digunakan.
Tabel 3. Tabel Pengelompokkan Makanan Atribut Inisialisasi
Bahan A
Energi X1
Protein X2
Mineral X3
Vitamin X4
Tabel 4. Sampel Data Pengujian
No Bahan
Energi Protein Mineral Vitamin
1 Berasz gilingz, mentah 357 8,4 328,4 10,8
2 Berasz giling var pelitaz,mentahz 369 9,5 274,4 0,26 3 Berasz gilingz var rojolele, mentahz 357 8,4 376,9 3,7
4 Beras hitamz, mentahz 351 8,0 325,8 6,21
5 Beras jagung kuningz, kering, mentahz 358 5,5 196,6 12,12 6 Beras jagungz putih, kering, mentahz 307 4,8 170,8 8,05 7 Beras ketanz hitam tumbuk, mentahz 360 8,0 664,7 2,34 8 Beras ketan putihz tumbuk, mentahz 361 7,4 460,9 1,68
9 Beras ladangz, mentah 376 7,5 212,3 5,5
10 Beras menirz, mentahz 362 7,7 589,3 2,45
… … … …
156 Dombaz, ginjalz, segarz 100 16,6 693,1 23,36
… … … …
503 Kacangz panjangz, segarz 31 2,3 368,2 47,1
Resha Anjariansyah, Copyright © 2022, MIB, Page 601
No Bahan
Energi Protein Mineral Vitamin
… … … …
703 Rujakz Acehz 82 0,4 0 45,22
3.1 Algoritma K-Means
Menentukan jumlah clustering yaitu 4, setelah itu menentukan centroid data atau pusat klasterisasi awal yang telah ditentukan secara random berdasarkan nilai variabel data yang di cluster dapat dilihat pada tabel 5 dibawah ini.
Tabel 5. Centroid Data
No
Energi Protein Mineral Vitamin
1 0,537750 0,111860 0,046022 0,056905 2 0,556240 0,126685 0,038455 0,001370 3 0,537750 0,111860 0,052819 0,019495 4 0,528505 0,106469 0,045658 0,032720
Setelah hasil dari penentuan centroid data , maka pada gambar 3 berikut merupakan hasil diagram plot dari algoritma k-means.
Gambar 3. Diagram plot algoritma k-means Pada tabel 6 merupakan hasil clustering menggunakan pyhton.
Tabel 6. Tabel Sebagian Clustering
No Bahan
Klaspenres_0 Klaspenres_1 Klaspenres_2 Klaspenres_3
1 Berasz gilingz, mentah X
2 Berasz giling var pelitaz,mentahz X 3 Berasz gilingz var rojolele, mentahz X
4 Beras hitamz, mentahz X
5 Beras jagung kuningz, kering, mentahz X 6 Beras jagungz putih, kering, mentahz X 7 Beras ketanz hitam tumbuk, mentahz X 8 Beras ketan putihztumbuk, mentahz X
9 Beras ladangz, mentah X
10 Beras menirz, mentahz X
… … … …
156 Dombaz, ginjalz, segarz X
No Bahan
Klaspenres_0 Klaspenres_1 Klaspenres_2 Klaspenres_3
… … … …
503 Kacangz panjangz, segarz X
… … … …
703 Rujakz Acehz X
Berdasarkan hasil clustering menggunakan algoritma k-means dengan program phyton yang disajikan pada tabel 6, dan berikut merupakan rangkuman dari clustering disajikan pada tabel 7, serta diagram scarter disajikan pada gambar 4.
Tabel 7. Hasil Summary Clustering
Clustering Jumlah Klaspenres_0 109 Klaspenres_1 323 Klaspenres_2 166 Klaspenres_3 105
𝑥̅ 703
Gambar 4. Diagram scarter menggunakan algoritma k-means 3.2 Algoritma K-Medoids
Menentukan jumlah clustering yaitu 4, dan dataset sama seperti algoritma k-means sebelumnya. Dan berikut hasil clustering dengan menggunakan algoritma K-Medoids, dan disajikan pada tabel 8.
Tabel 8. Tabel Sebagian Clustering
No Bahan
Klaspenres_0 Klaspenres_1 Klaspenres_2 Klaspenres_3
1 Berasz gilingz, mentah X
2 Berasz giling var pelitaz,mentahz X 3 Berasz gilingz var rojolele, mentahz X
4 Beras hitamz, mentahz X
5 Beras jagung kuningz, kering, mentahz X 6 Beras jagungz putih, kering, mentahz X 7 Beras ketanz hitam tumbuk, mentahz X 8 Beras ketan putihztumbuk, mentahz X
9 Beras ladangz, mentah X
10 Beras menirz, mentahz X
… … … …
156 Dombaz, ginjalz, segarz X
… … … …
503 Kacangz panjangz, segarz X
Resha Anjariansyah, Copyright © 2022, MIB, Page 603
No Bahan
Klaspenres_0 Klaspenres_1 Klaspenres_2 Klaspenres_3
… … … …
703 Rujakz Acehz X
Berdasarkan hasil clustering menggunakan algoritma k-medoids dengan program phyton yang disajikan pada tabel 9, dan berikut merupakan rangkuman dari clustering disajikan pada tabel 9, serta diagram scarter disajikan pada gambar 5.
Tabel 9. Hasil Summary Clustering
Clustering Jumlah Klaspenres_0 107 Klaspenres_1 325 Klaspenres_2 166 Klaspenres_3 105
𝑥̅ 703
Gambar 5. Diagram scarter menggunakan algoritma k-medoids 3.3 Sistem Informasi Hitung Giziku
Pada gambar 6 dibawah ini merupakan Use case merupakan rancangan dari sistem yang akan dibuat. Pada sistem yang dibuat ini nantinya akan dilakukan penginputan data makan dalam sehari yang nantinya akan bisa direkapitulasi berupa chart atau laporan yang ada di menu pada sistem tersebut.
Gambar 6. Use Case Sistem
Gambar 7. Menu Register
Sebelum user melakukan proses login, maka user harus melakukan regristrasi terlebih dahulu pada aplikasi HIGIKU berbasis website seperti pada gambar 7. Dengan mengisi username, password, nama dan jenis kelamin pada sistem agar dapat melakukan login.
Gambar 8. Menu Login
Setelah user melakukan regristrasi di aplikasi HIGIKU berbasis website, maka user akan memasukkan username dan password pada menu login seperti pada gambar 8. Jika username dan password valid maka, user akan masuk ke tampilan Dashboard pada gambar 9.
Gambar 9. Menu Dashboard
Jika user telah masuk ke menu dashboard pada gambar 9, dan akan melakukan penginputan data makanan yang akan dimasukkan ke dalam menu rekam makanan di gambar 11. Maka user masuk ke menu Biodata gambar 10 untuk memasukan tanggal lahir, berat badan, dan tinggi badan.
Gambar 10. Menu Biodata
Gambar 11. Menu Rekam Makanan
Pada gambar 11 yaitu menu rekam makanan user dapat menginput kapan user makan makanan yang diinput dengan format tanggal, bulan dan tahun. Kemudian user akan menginput makanan yang telah dimakan.
Resha Anjariansyah, Copyright © 2022, MIB, Page 605 Gambar 12. Menu Laporan
Menu laporan seperti yang ditampilkan pada gambar 12 merupakan menu yang merangkum data makanan yang telah dimakan oleh user dengan menampilkan informasi jumlah gizi seperti Energi, Protein, Mineral dan Vitamin sesuai dengan Tabel Komposisi Pangan Indonesia (TKPI) pada tahun 2017 untuk takaran 100 gram pada makanan yang diinput.
3.4 Standar Deviasi
Pada pembahasan standar deviasi yang dimaksud adalah seberapa berhasil metode clustering pada Tabel Komposisi Pangan Indonesia terhadap Isi Piringku. Perbandingan untuk mengetahui standar deviasi tersebut adalah 20 : 40 : 40 dimana angka perbandingan ini didapatkan dari rata-rata kebiasaan pola makan orang Indonesia. [17]
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐵𝑎ℎ𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑥̅ (2)
Pada rumus nomor 2 merupakan rumus dasar untuk melakukan penentuan standar deviasi terhadap isi piringku. Dan berikut hasil perhitungan standar deviasi angka kebutuhan gizi sesuai dengan hasil clustering dari masing-masing algoritma.
a. Ansumsi 1
Tabel 10. Rincian Ansumsi 1
Deskripsi Keterangan Waktu Makan Makan Siang Rentan Usia 19-29 Tahun Jenis Kelamin Laki-Laki Hasil Algoritma K-Means
Pada tabel 10, dapat dilihat rinciannya bahwa akan diansumsikan berusia 19-29 tahun berjenis kelamin laki-laki dengan kebutuhan energi yang dibutuhkan sesuai Angka Kecukupan Gizi dijelaskan pada tabel 11.
Tabel 11. Kebutuhan AKG berdasarkan ansumsi 1
Deskripsi Kebutuhan Satuan
Energi 2650 Kkal
Protein 65 Gram
Mineral 1000 Mg
Vitamin 90 Mg
Maka dari tabel 11, kita ansumsikan pada jam makan siang dengan komposisi seharusnya 40% dari kebutuhan AKG tersebut yang dijelaskan pada tabel 12.
Tabel 12. Standar deviasi AKG ansumsi 1
Kategori
Komposisi Energi Protein Mineral Vitamin
Satuan kkal gram mg mg
Makanan Pokok 200 gram 501 10 875 14
Lauk Pauk 150 gram 289 30 1514 7
Sayur 100 gram 61 4 511 22
Buah 100 gram 87,3 1,1 320,7 27,8
Kategori
Komposisi Energi Protein Mineral Vitamin
Satuan kkal gram mg mg
Kenyataan 550 gram 938,3 45,1 3220,7 70,8
Anjuran AKG 40% 1060 26 400 36
Presentase 88,5% 173,4% 805% 196%
Deviasinya 11,4% 73,4% 705% 96%
Pada tabel 12 diatas, dapat disimpulkan bahwa hasil dari clustering menggunakan k-means dari 4 kategori yang ditentukan terdapat 3 komponen yang kelebihan dari anjuran AKG 40%. dan 1 komponen yang kekurangan AKG 40% yang artinya pada pengujian menggunakan algoritma ini belum sesuai dengan standar isi piringku terhadap tabel komposisi pangan Indonesia (TKPI).
b. Ansumsi 2
Tabel 13. Rincian ansumsi 2
Deskripsi Keterangan
Waktu Makan Makan Pagi
Rentan Usia 19-29 Tahun
Jenis Kelamin Perempuan
Hasil Algoritma K-Medoids
Pada tabel 13, dapat dilihat rinciannya bahwa akan diansumsikan berusia 19-29 tahun sama seperti asumsi pertama pada tabel 10, berjenis kelamin perempuan dengan kebutuhan energi yang dibutuhkan sesuai Angka Kecukupan Gizi dijelaskan pada tabel 14.
Tabel 14. Kebutuhan AKG berdasarkan ansumsi 2 Deskripsi Kebutuhan Satuan
Energi 2250 Kkal
Protein 60 Gram
Mineral 1000 Mg
Vitamin 75 Mg
Maka dari tabel 14, kita ansumsikan pada jam makan pagi dengan komposisi seharusnya 20% dari kebutuhan AKG tersebut yang dijelaskan pada tabel 12.
Tabel 15. Standar deviasi AKG ansumsi 2
Kategori
Komposisi Energi Protein Mineral Vitamin
Satuan kkal gram mg mg
Makanan Pokok 150 gram 410 8 820 10
Lauk Pauk 150 gram 210 8 1200 5
Sayur 100 gram 61 4 511 22
Buah 100 gram 87,3 1,1 320,7 27,8
Kenyataan 500 gram 768,3 21,1 2851,7 64,8
Anjuran AKG 20% 450 12 200 15
Presentase 170,7% 175,8% 1425% 432%
Deviasinya 70,7% 75,8% 1325% 332%
Pada tabel 15 diatas, dapat disimpulkan bahwa hasil dari clustering menggunakan algoritma k-medoids rata-rata standar deviasinya kelebihan sampai dengan diatas 100% dari anjuran Angka Kecukupan Gizi 20%
untuk porsi makan pagi.
4. KESIMPULAN
Setelah dilakukannya penelitian clustering menggunakan algoritma k-means dan k-medoids pada Tabel Komposisi Pangan Indonesia (TKPI) sesuai dengan Isi Piringku dari Kementerian Kesehatan Republik Indonesia
Resha Anjariansyah, Copyright © 2022, MIB, Page 607 dapat disimpulkan yaitu Cluster yang ditetapkan ada 4 yaitu cluster buah (Klaspenres_0), cluster makanan pokok (Klaspenres_1), cluster lauk pauk (Klaspenres_2) cluster sayuran (Klaspenres_3). Hasil dari proses clustering k-means dengan rincian 109 untuk (Klanpenres_0) yaitu buah, 323 untuk (Klanpenres_1) yaitu makanan pokok, 166 untuk (Klanpenres_2) yaitu lauk pauk, dan 105 untuk (Klanpenres_3) yaitu sayuran. Hasil dari proses clustering k-medoids dengan rincian 107 untuk (Klanpenres_0) yaitu buah, 325 untuk (Klanpenres_1) yaitu makanan pokok, 166 untuk (Klanpenres_2) yaitu lauk pauk, dan 105 untuk (Klanpenres_3) yaitu sayuran. Uji coba pada sistem Hitung Giziku yang berbasis website menggunakan PHP sudah cukup optimal dan berjalan dengan sesuai. Hasil standar deviasi dari clustering menggunakan algoritma k-means terdapat 3 kategori yang melebihi standar anjuran Angka Kecukupan Gizi 40 persen, dan 1 kategori yang kurang dari standar yang artinya Tabel Komposisi Pangan Indonesia terhadap Isi piringku yang masih belum optimal.
Dan hasil dari clustering menggunakan algoritma k-medoids rata-rata standar deviasinya kelebihan sampai dengan diatas 100% dari anjuran Angka Kecukupan Gizi 20% untuk porsi makan pagi.
REFERENCES
[1] “PERATURAN MENTERI KESEHATAN REPUBLIK INDONESIA NOMOR 41 TAHUN 2014.”
[2] D. Triyanti, I. Gede, and A. Utama, “SISTEM INFORMASI UNTUK MENENTUKAN KEBUTUHAN MAKANAN BERDASARKAN JUMLAH KALORI.”
[3] T. R. Kementerian Kesehatan, I. R. Indonesia Kementerian Kesehatan Direktorat Jenderal Kesehatan Masyarakat Tabel Komposisi Pangan Indonesia, and K. R. Kesehatan, Katalog dalam. .
[4] “Penuhi Asupan Gizi Seimbang dengan Panduan Piring Makan - Alodokter.” https://www.alodokter.com/memenuhi- gizi-seimbang-dengan-panduan-piring-makan (accessed Dec. 21, 2021).
[5] “PERATURAN MENTERI KESEHATAN REPUBLIK INDONESIA.”
[6] T. Velmurugan, “Efficiency of k-Means and K-Medoids Algorithms for Clustering Arbitrary Data Points.” [Online].
Available: www.ijcta.com.
[7] “Selected Contributions in Data Analysis and Classification - Google Buku.”
https://books.google.co.id/books?hl=id&lr=&id=i3kC5pcZN-
kC&oi=fnd&pg=PA3&dq=DIDAY,+E.,+%26+ESCOUFIER,+Y.+2007.+Selected+Contributions+in+Data+Analysis+
and+Classification.+Springer+Science+%26+Business+Media+&ots=Dt5jfr9OiY&sig=DXTn8K8tBUpynW_F__6lawj LM7I&redir_esc=y#v=onepage&q=DIDAY%2C E.%2C %26 ESCOUFIER%2C Y. 2007. Selected Contributions in Data Analysis and Classification. Springer Science %26 Business Media&f=false (accessed Dec. 21, 2021).
[8] E. Levine, J. Abbatangelo-Gray, A. R. Mobley, G. R. McLaughlin, and J. Herzog, “Evaluating MyPlate: An Expanded Framework Using Traditional and Nontraditional Metrics for Assessing Health Communication Campaigns,” J. Nutr.
Educ. Behav., vol. 44, no. 4, Jul. 2012, doi: 10.1016/j.jneb.2012.05.011.
[9] A. Drewnowski and V. L. Fulgoni, “New Nutrient Rich Food Nutrient Density Models That Include Nutrients and MyPlate Food Groups,” Front. Nutr., vol. 7, Jul. 2020, doi: 10.3389/fnut.2020.00107.
[10] I. Alpiana and L. Anifah, “Penerapan Metode KnA (Kombinasi K-Means dan Agglomerative Hierarchical Clustering) dengan Pendekatan Single Linkage untuk Menentukan Status Gizi pada Balita,” 2019. [Online]. Available:
https://journal.unesa.ac.id/index.php/inajet.
[11] “Isi Piringku Sekali Makan - Direktorat P2PTM.” http://p2ptm.kemkes.go.id/infographic-p2ptm/obesitas/isi-piringku- sekali-makan (accessed Dec. 21, 2021).
[12] “ARTIKEL ASLI CrossMark,” doi: 10.15562/medi.v49i2.66.
[13] U. F. S. Sunu, G. Permadi, and F. Fenty, “Hubungan Antara Aktivitas Fisik Dan Angka Kecukupan Gizi Makronutrien Terhadap Rasio Kolesterol Total/Hdl Pada Masyarakat Pedesaan,” J. Pharm. Sci. Community, vol. 14, no. 1, pp. 15–24, 2017, doi: 10.24071/jpsc.141558.
[14] H. Abadyo dan Permedi, Metoda Statistik Praktis. Malang: Universitas Negeri Malang, 2005.
[15] A. Ramadhan, Z. Efendi, P. Studi Sistem Informasi, F. H. Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl Soebrantas Km, and P. Pekanbaru -Riau, “Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling.”
[16] D. Marlina, N. Fauzer Putri, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT, vol. 4, no. 2, 2018.
[17] “Bagaimana Porsi Makan Malam yang Sehat dan Ideal?” https://hellosehat.com/nutrisi/fakta-gizi/porsi-makan-malam- ideal/ (accessed Dec. 21, 2021).
