<![CDATA[Obesitas merupakan salah satu masalah kesehatan global yang semakin mendesak untuk ditangani. Organisasi Kesehatan Dunia (WHO) mencatat bahwa angka kejadian obesitas telah meningkat tiga kali lipat sejak tahun 1975, dengan lebih dari 1,9 miliar orang dewasa mengalami kelebihan berat badan, dan di antaranya, lebih dari 650 juta orang terdiagnosis obesitas. Penelitian ini bertujuan untuk menerapkan algoritma K-Medoids dalam pengelompokan data status obesitas. Pengelompokan dilakukan menggunakan RapidMiner dengan berbagai konfigurasi jumlah kluster, dan hasil dievaluasi menggunakan beberapa metrik validasi kluster termasuk Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah kluster tiga (k = 3) adalah yang paling optimal dalam mengelompokkan data obesitas, dengan nilai DBI sebesar 0,071, dibandingkan dengan dua kluster (k = 2) yang memiliki nilai DBI sebesar 0,101. Nilai DBI yang lebih rendah menunjukkan bahwa kluster yang terbentuk lebih kompak dan terpisah dengan baik, menandakan performa yang lebih baik dalam pengelompokan data status obesitas.]]>
Copyrights © 2024
