Analisis Clustering Data Balita dengan Algoritma K-Means dan Fuzzy C-Means: Sebuah Studi Komparatif Menggunakan Silhouette Index
DOI:
https://doi.org/10.26418/justin.v13i2.82529Keywords:
Clustering, Algoritma K-Means, Algoritma Fuzzy C-Means, Data MiningAbstract
Kemampuan untuk mengelola dan menganalisis data menjadi sangat penting di era informasi saat ini, terutama dalam industri yang memerlukan pengambilan keputusan berdasarkan data yang kompleks dan beragam. Studi ini bertujuan untuk mengevaluasi efektivitas dua algoritma pengelompokan, yaitu K-Means dan Fuzzy C-Means, dalam mengelompokkan data balita untuk mengidentifikasi pola pertumbuhan dan kondisi kesehatan. Dengan menggunakan Silhouette Index sebagai alat evaluasi, penelitian ini menganalisis kualitas clustering dari kedua algoritma tersebut. Data penelitian dikumpulkan dari survei lapangan di Posyandu pada tahun 2024, mencakup 700 balita dengan indikator utama yaitu nama, berat badan, dan tinggi badan. Data ini kemudian diproses menggunakan algoritma K-Means dan Fuzzy C-Means, dengan hasil validitas melalui Silhouette Index untuk menetapkan total cluster yang paling efisien. Hasil penelitian memperlihatkan bahwa algoritma FCM memiliki nilai validitas tertinggi yaitu 0.564 yang memiliki jumlah cluster optimal yaitu dua cluster, dibandingkan dengan algoritma K-Means yang mempunyai nilai validasi sebesar 0.563. Kesimpulan penelitian ini memperlihatkan algoritma Fuzzy C-Means lebih efektif untuk menentukan kelompok data balita dibandingkan dengan K-Means. Hasil ini diharapkan bisa memberikan kontribusi terhadap pengembangan kebijakan dan program kesehatan anak yang lebih baik, dengan pemahaman yang lebih mendalam mengenai pola pertumbuhan dan kondisi kesehatan balita. Untuk penelitian selanjutnya, disarankan menggunakan data terbaru dan membandingkan dengan metode clustering lainnya untuk mendapatkan hasil yang lebih komprehensif.References
E. Prasetyo, Data mining : konsep dan aplikasi menggunakan MATLAB, Yogyakarta: CV Andi Offset, 2012.
F. Hariyadi, H. Sujaini and A. Srimurdianti, "Pengklasteran Mahasiswa UNTAN Berdasarkan IPK Menggunakan Metode Fuzzy C-Means," Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 8, no. 2, pp. 31-37, 2020.
Y. Agusta, "K-Means Penerapan, Permasalahan dan Metode Terkait," Jurnal Sistem dan Informatika, vol. 3, no. 1, pp. 47-60, 2007.
S. Santoso, Statistik Multivariat, Jakarta: Elex Media Komputindo Jakarta, 2010.
P. Sari, B. Pramono and L. O. H. S. Sagala, "Improve K-Means Terhadap Status Nilai Gizi Pada Balita," semanTIK, vol. 3, no. 1, pp. 143-148, 2017.
M. Anggara, H. Sujiani and H. Nasution, "Pemilihan Distance Measure Pada K-Means Clustering," Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 1, no. 1, p. 1, 2016.
U. Al-Abdaliah, H. Sujaini and H. Muhardi, "Pengklasteran Dosen Berdasarkan Evaluasi Mahasiswa," Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 8, no. 4, p. 404, 2020.
M. G. Sadewo, A. P. Windarto and A. Wanto, "Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi / Mitigasi Bencana Alam Menurut Provinsi Dengan K-MEANS," KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 2, no. 1, pp. 311-319, 2018.
R. P. Butar, "Analisis Hierarchical Dan Non-Hierarchical Clustering Untuk Pengelompokkan Potensi Ekonomi Kelautan Indonesia 2021," Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 11, no. 3, p. 546, 2023.
A. Ramadhan, Z. Efendi and M. , "Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling," Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI), pp. 219-226, 2017.
Sugiyono, Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif, dan R&D, Bandung: Alfabeta, 2014.
N. Chantasut, C. Charoen and T. Chularat, "Predictive Mining of Rainfall Predictions Using Artificial Neural for Chao Phraya River," Proceedings of Joint Conference The 4th International Conference of The Asian Federation of Information Technology in Agriculture and The 2nd World Congress on Computers in Agriculture Resources, pp. 117-122, 2004.
A. Aditya, I. Jovian and B. N. Sari, "Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019," Media Informatika Budidarma, vol. 4, no. 1, p. 51, 2020.
N. R. W, S. Defiyanti and M. Jajuli, "Implementasi Algoritma K-MEANS Dalam Pengklasteran Mahasiswa Pelamar Beasiswa," Jurnal Ilmiah Teknologi Informasi Terapan, vol. 1, no. 2, pp. 62-68, 2015.
A. Suryadi, "Sistem Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) Dengan Algoritma Fuzzy C-MEANS (FCM)," Jurnal Pendidikan Matematika, vol. 4, no. 2, pp. 58-65, 2015.
N. Shofiani, "Segmentasi Supplier Menggunakan Metode Kmeans Clustering (Studi Kasus: PTPN X PG Meritjan)," Institut Teknologi Sepuluh Nopember, 2017.
N. S. Fatonah and T. K. Pancarani, "Analisa Perbandingan Algoritma Clustering Untuk Pemetaan Status Gizi Balita Di Puskesmas Pasir Jaya," KONVERGENSI, vol. 18, no. 1, pp. 1-9, 2022.
M. Ridwan, I. Sembiring, A. Setiawan, and I. Setyawan. "Analysis of Attack Detection on Log Access Servers Using Machine Learning Classification: Integrating Expert Labeling and Optimal Model Selection." Scientific Journal of Informatics [Online], 11.1 (2024): 119-126. Web. 23 Mar. 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
