<![CDATA[Klasterisasi data banyak digunakan dalam berbagai bidang. Salah satunya digunakan untuk pengelompokan status gizi balita. Metode klasterisasi yang sering digunakan adalah metode k-means, yaitu menjadikan tetangga terdekat sebagai satu klaster. Kelemahan dari k-means adalah peletakan titik pusat klaster (centroid) awal yang acak. Peletakan centroid awal yang berbeda dapat menghasilkan hasil klaster yang berbeda. Oleh karena itu, pada penelitian ini pengelompokan status gizi balita menggunakan metode k-means dengan peletakan centroid awalnya diperoleh dari metode klasterisasi agglomerative. Mula-mula data diolah dengan metode klasterisasi agglomerative menghasilkan klaster sejumlah yang diinginkan. Centroid dari setiap hasil klaster tersebut akan dijadikan sebagai centroid awal algoritma k-means. Dengan cara ini, kelemahan k-means dengan mencari centroid awal secara acak dapat diatasi. Berdasarkan pengujian jarak antar centroid, gabungan metode klasterisasi agglomerative dan k-means lebih baik daripada k-means saja. Sedangkan, grafik elbow menunjukkan bahwa jumlah klaster yang optimal untuk pengelompokan status gizi balita adalah sebanyak 3 klaster.]]>
Copyrights © 2019
