<![CDATA[Penelitian ini bertujuan untuk membandingkan hasil klasterisasi data dari tiga domain berbeda, yaitu pertanian, bisnis, dan komposisi tubuh manusia dengan menggunakan pendekatan machine learning. Masing-masing domain memiliki karakteristik data yang unik, yaitu produktivitas lahan dan jenis komoditas untuk pertanian, struktur biaya dan pendapatan untuk bisnis, serta indeks massa tubuh (BMI) dan persentase lemak untuk komposisi tubuh. Metode klasterisasi yang digunakan dalam studi ini adalah K-means. Studi ini mengevaluasi performa model dalam mengelompokkan data berdasarkan karakteristik internal domain dan potensi hubungan lintas domain. Evaluasi yang digunakan adalah Silhouette score, Davies-Bouldin index, dan analisis visualisasi 2D. Hasil menunjukkan bahwa masing-masing domain memiliki pola yang unik, namun terdapat potensi integrasi antar domain yang dapat dimanfaatkan untuk pengambilan keputusan strategis, seperti prediksi ketahanan pangan berbasis kesehatan masyarakat atau optimalisasi biaya usaha berdasarkan karakter petani. Studi ini menekankan pentingnya pendekatan multidomain dalam menghadapi kompleksitas data lintas sektor di era big data dan kecerdasan buatan.]]>
Copyrights © 2025
