Claim Missing Document
Check
Articles

Found 3 Documents
Search

Clustering Snack Products Based on Nutrition Facts Using SOM and K-Means for Diabetic Dietary Recommendation Maritza Adelia; Arum Handini Primandari
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 2 (2025): MEY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i2.2342

Abstract

The number of diabetics in Indonesia continues to rise, with Type II Diabetes Mellitus (DM) dominating 90% of cases. One of the main contributors is the excessive consumption of snack products high in Sugar, Salt, and Fat (SSF), which increases health risks, particularly for diabetics. However, the current nutrition facts provided in the product package is not easy to understand. Creating label for the product can make an effective information to assist people on buying decision. This study aims to segment snack products based on their nutritional facts, particularly focusing on their SSF content, to identify products that are potentially high-risk for diabetics. In this study, data on the nutritional facts of snack products were analyzed. Utilizing a hexagonal Self-Organizing Map (SOM) topology with a 5 × 9 grid, the best clustering method identified was k-means. This method yielded two clusters, with a silhouette index of 0.44, a Dunn index of 0.09, and a connectivity index of 11.14. The first cluster comprises 165 products that have low levels of total fat, saturated fat, sugar, and salt. In contrast, the second cluster consists of 46 products with high total fat and saturated fat content, and this cluster is of particular concern due to its elevated levels of these unhealthy fats. The segmentation results can serve as a reference for more intuitive food labeling, potentially improving consumer awareness and aiding in dietary decision-making, particularly for diabetics.
Pengelompokan Kecamatan di Kabupaten Merangin Berdasarkan Produksi Tanaman Perkebunan Tahun 2021 Menggunakan Agglomerative Hierarchical Clustering: Pengelompokan Kecamatan di Kabupaten Merangin Berdasarkan Produksi Tanaman Perkebunan Tias, Feby Hestuningtias; Arum Handini Primandari
Emerging Statistics and Data Science Journal Vol. 1 No. 1 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.1.art15

Abstract

Perkebunan adalah sektor terpenting bagi perkembangan perekonomian negara Indonesia serta berperan dalam penyerapan tenaga kerja. Kabupaten Merangin merupakan salah satu kabupaten yang ada di provinsi Jambi yang memiliki kekayaan sumber daya alam berupa tanah yang subur dan sangat tergantung pada sektor perkebunan. Hal ini terlihat dari struktur PDRB dari tahun ke tahun hampir 60% disumbangkan oleh sektor perkebunan. Setiap kecamatan di kabupaten Merangin berpotensi untuk memproduksi tanaman perkebunan, namun tidak semua kecamatan dapat memproduksi semua jenis komoditas tanaman perkebunan. Untuk mengoptimalkan jumlah produksi tanaman perkebunan, penelitian ini memiliki tujuan untuk mengelompokkan 24 kecamatan di kabupaten Merangin menggunakan analisis Agglomerative Hierarchical Clustering dengan metode terbaik yaitu metode average linkage berdasarkan produksi tanamanan perkebunan tahun 2021. Berdasarkan hasil clustering dan profilisasi produksi tanaman perkebunan keret, kelapa, kelapa sawit, kopi dan kakao diperoleh cluster 1 memiliki 17 kecamatan dengan kategori tinggi, cluster 2 memiliki 2 kecamatan dengan kategori sangat tinggi, cluster 3 memiliki 2 kecamatan dengan kategori rendah, dan cluster 4 memiliki 3 kecamatan dengan kategori sangat rendah.
Perbandingan Metode Double Exponential Smoothing dan Metode Triple Exponential Smoothing untuk Harga Telur pada Produsen Di Kabupaten Sukabumi: Perbandingan Metode Double Exponential Smoothing dan Metode Triple Exponential Tarisya, Tarisya Permata Junita; Arum Handini Primandari
Emerging Statistics and Data Science Journal Vol. 1 No. 2 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.2.art21

Abstract

Peternakan merupakan aktivitas dalam mengembangbiakan hewan ternak untuk memperoleh manfaat serta yang akan terjadi dari aktivitas tersebut. Telur merupakan bahan pahan hasil ternak unggas yang mengandung gizi cukup dan kerap disantap oleh masyarakat. Telur memiliki kandungan zat yang mencangkup 13 % protein, 12 % lemak, juga vitamin dan mineral. Dari hasil peramalan tersebut dapat menjadi patokan dan bahan pertimbangan dalam pengambilan keputusan atau kebijakan dalam menentukan harga telur di kabupaten sukabumi. Peramalan bertujuan untuk menaksir nilai dimasa depan dengan menggunakan data masa lalu. Penelitian ini bertujuan untuk mengetahui peramalan terhadap harga produsen pada masa yang akan datang yaitu periode 1 tahun kedepan pada tahun 2022. Penelitian ini menggunakan metode Double Exponential Smoothing dan metode Triple Exponential Smoothing. Adapun data yang digunakan yaitu data time series harga telur ayam ras pada produsen dimulai dari bulan Januari 2020 sampai dengan bulan Desember 2021. Berdasarkan hasil yang diperoleh, Mean Square Error dan Mean Absolute Percentage Error digunakan untuk mengukur kesalahan prediksi, kemudian dibandingkan kedua metode tersebut dan didapatkan metode terbaik yaitu metode Triple Exponential Smoothing dengan nilai Mean Square Error sebesar 629368.5 dan nilai Mean Absolute Percentage Error sebesar 3.584268%, nilai Mean Absolute Percentage Error yang di dapat <10% artinya metode Triple Exponential Smoothing dapat dikatakan sangat baik untuk digunakan dalam prediksi Harga Telur ini