IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BERAT BADAN IDEAL

Transkripsi

1 IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BERAT BADAN IDEAL SKRIPSI OLEH DESFA MAULANI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

2 IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BERAT BADAN IDEAL SKRIPSI Diajukan untuk melengkapi tugas guna memenuhi syarat mencapai gelar Sarjana Komputer DESFA MAULANI PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

3 PERSETUJUAN Judul : IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BERAT BADAN IDEAL Kategori : SKRIPSI Nama : DESFA MAULANI NomorIndukMahasiswa : Program Studi : SARJANA (S1) ILMU KOMPUTER Departemen Fakultas Komisi Pembimbing : : ILMU KOMPUTER : ILMU KOMPUTER & TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 21 Agustus 2013 Pembimbing 2 Pembimbing 1 Maya Silvi Lydia, BSc, MSc. Prof. Dr. Muhammad Zarlis, MSc. NIP NIP Disetujuioleh Program Studi S1 IlmuKomputer Ketua, Dr. Poltak Sihombing, M.Kom. NIP

4 PERNYATAAN IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BERAT BADAN IDEAL SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 21 Agustus 2013 Desfa Maulani

5 PENGHARGAAN Alhamdulillahirobbil alamin penulis ucapkan kepada Sang Khaliq Allah SWT yang telah melimpahkan rahmat dan karunia-nya sehingga skripsi ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Skripsi ini merupakan salah satu syarat yang wajib diselesaikan guna meraih gelar Sarjana Komputer pada jurusan S1 Ilmu Komputer. Adapun judul yang diangkat penulis dalam skripsi ini adalah Implementasi Algoritma K-Means Clustering Dalam Menentukan Berat Badan Ideal. Tidak dapat dipungkiri bahwa dalam penyelesaian skripsi ini tidak luput dari campur tangan banyak pihak yang telah memberikan bantuan dan motivasi bagi penulis. Maka, dalam kesempatan ini, penulis mengucapkan terima kasih kepada: 1. Rektor, Bapak Prof. Dr. dr. Syahril Pasaribu, D.T.M.&H, M.Sc. (C.T.M), Sp.A.(K.). 2. Dekan Fakultas Ilmu Komputer dan Teknologi Informasi USU, Bapak Prof. Dr. Muhammad Zarlis, M.Kom dan juga selaku Dosen Pembimbing I yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyelesaikan skripsi ini. 3. Ketua Program Studi S1 Ilmu Komputer, Bapak Dr. Poltak Sihombing, M.Kom dan juga selaku Dosen Penguji I yang telah memberikan kritikan, saran, dan masukan kepada saya untuk menyelesaikan skripsi ini. 4. Sekretaris Program Studi S1 Ilmu Komputer, Ibu Maya Silvi Lydia, B.Sc, M.Sc.dan juga selaku Dosen Pembimbing II yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyelesaikan skripsi ini. 5. Bapak Sajadin Sembiring, S.Si, MS.Comp.selaku dosen penguji II yang telah memberikan panduan ringkas, padat dan profesional kepada penulis guna menyempurnakan skripsi ini. 6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer & Teknologi Informasi (FASILKOM-TI) beserta para pegawai/staf S1 Ilmu Komputer. 7. Keluarga tercinta, Ayahanda RochimRivai H dan Ibunda Laily Farida, Riza Shafa, dan Ricca Medina, S.E. serta Muhammad Fauza Rahman dan Aisyah Firzi Shafa yang selalu memberikan doa, dukungan, perhatian, kasih sayang yang tulus, pengorbanan yang tidak ternilai harganya serta dukungan moril maupun materil selama kehidupan penulis.

6 8. Suami tercinta Said Farid Arafat Al-Idrus, S.T. yang selalu memberikan doa, perhatian, kasih sayang, motivasi dan semangat yang luar biasa bagi penulis. 9. Rekan kerja di Media Cetak dan Online Aplaus the Lifestyle Analisa Group, sekaligus sahabat terbaik, Yunita Nasution S.Sos., Erlinawati Koto S.Sos., Dyah Khalid, S.Hum, Souchi Juneda Rambe S. Kom, dan lainnya yang selama ini telah berbagi doa, semangat, suka maupun duka dengan penulis, serta sahabat-sahabat lain yang pernah mengisi perjalanan hidup penulis yang tidak dapat disebutkan satu per satu. 10. Teman-teman seperjuangan, mahasiswa S1 Ilmu Komputer stambuk 2006 dan 2007 yang telah banyak berbagi ilmu, memberikan bantuan, saran, kritikan, semangat, inspirasi, dukungan serta mewarnai kenangan selama masa kuliah yang tak akan terlupakan bagi penulis. 11. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini. Semoga Allah SWT memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian serta kerjasamanya kepada penulis dalam menyelesaikan tugas akhir ini. Penulis menyadari bahwa dalam penyelesaian skripsi ini masih jauh dari sempurna. Untuk itu penulis sangat mengharapkan kritik dan saran yang membangun guna penyempurnaan di masa mendatang. Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat bagi pribadi penulis, keluarga, masyarakat, organisasi dan negara. Medan, 21 Agustus 2013 Desfa Maulani

7 ABSTRAK Memperhatikan kesehatan merupakan hal sangat penting yang harus dilakukan secara rutin diantaranyaadalah berat badan. Berat badan yang ideal umumnya dapat diukur dengan formula tinggi badan dalam satuan sentimeter dikurangi dengan berat badan. Dengan berkembangnya ilmu kesehatan maka formula diatas tidak sesuai lagi. Untuk menentukan kriteria berat badan dilakukan perhitungan body mass index (BMI), ukuran kerangka pasien serta kebutuhan kalori harian pasien berdasarkan usia dan aktifitas harian pasien tersebut. Apabila seseorang telah mengetahui nilai BMInya, orangtersebut dapat mengontrol berat badan sehingga dapat mencapai berat badan normal yang sesuai dengan tinggibadan. Sedangkan dengan mengetahui nilai ukuran kerangka dan nilai kebutuhan kalori harian orang tersebut maka dapat mengontrol asupan gizi yang dikonsumsi. Pada penelitian ini, penulis mencoba membangun suatu sistem untuk mengelompokkan data yang adaberdasarkan usia, jenis kelamin dan ukuran rangkanya dengan memasukkan parameter kondisi fisik dari orang tersebut.pengelompokkan data dilakukan dengan menggunakan metode K-Means Clustering yaitu denganmengelompokkan n buah objek ke dalam k kelas berdasarkan jaraknya dengan pusat kelas. Kata kunci : K-Means Clustering, Berat Badan Ideal, Kalori Harian, Basal Metabolic Rate

8 IMPLEMENTATION OF K-MEANS CLUSTERING ALGORITHM TO DETERMINE IDEAL WEIGHT ABSTRACT Attention to health is very important to be done on a regular basis such as weight loss. The ideal body weight can generally be measured by the formula height in centimeters minus the weight. With the development of medical science the above formula does not fit anymore. To determine the weight criteria for calculating body mass index (BMI), a measure of the patient as well as the framework of the daily caloric needs of patients by age and the patient's daily activities. If someone already knows the value of BMI, the person can control your weight so as to achieve a normal weight according to height. While knowing the value of frame size and value of the person's daily calorie needs, it can control the intake of nutrients consumed. In this study, the authors tried to establish a system to classify data by age, sex and size of the frame by inserting the parameters of the physical condition of the person. Clustering of data is done using K-Means clustering method is by classifying n objects into k classes based on the distance to the center of the class. Keywords: K-Means Clustering, Ideal Body Weight, Daily Calorie, Basal Metabolic Rate

9 DAFTAR ISI Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi Daftar Tabel Daftar Gambar Halaman ii iii iv vi vii viii xi xii Bab 1 Pendahuluan 1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 4 Bab 2 Landasan Teori 2.1 Clustering Data Clustering Perkembangan Penerapan K-Means Distance Space untuk Menghitung Jarak Antara Data dan Centroid Metode Pengalokasian Ulang Data ke Dalam Masing-Masing Cluster Objective Function yang Digunakan Beberapa Permasalahan yang Terkait dengan K-Means K-Means untuk Data yang Mempunyai Bentuk Khusus Berat Badan Ideal Ukuran Kerangka BMI (Body Mass Index) BMR (Basal Metabolic Rate) Mamfaat Mengetahui BMI & BMR PenelitianTerkait 21

10 Bab 3 Analisis dan Perancangan 3.1 Analisis Perhitungan Nilai BMI Perhitungan Nilai UK Perhitungan BMR Perhitungan Kebutuhan Kalori Harian Perhitungan Iterasi Flowchart Sistem Perancangan Diagram Konteks Clustering Data Flow Diagram Level Data Flow Diagram Level 1 Proses K-Means Clustering Perancangan Database Relasi Antar Tabel Rancangan Antarmuka (Interface) Rancangan Menu Utama Rancangan Login Rancangan Pengukuran Manual Rancangan K-Means Clustering Rancangan Pusat Cluster Tiap Iterasi Rancangan Cek Cluster Tiap Iterasi Laporan Akhir Rancangan Inisial Data Rancangan Data Admin Rancangan Data Pasien Rancangan Data BMI Rancangan Data UK Rancangan About 54 Bab 4 Implementasi dan Pengujian Sistem Implementasi Tampilan Menu Utama Tampilan Login Tampilan Menu Pengukuran Manual Tampilan Data User Tampilan Data Pasien Tampilan Data BMI Tampilan Data Ukuran Kerangka Tampilan Menu K-Mean Clustering Tampilan About Pengujian Sistem Tampilan Hasil Pengujian K-Means Clustering Tiap Iterasi Tampilan Hasil Pengujian K-Mean Clustering Pada Iterasi Terakhir Tampilan Hasil Laporan Akhir Pengujian 65

11 Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan Saran 67 Daftar Pustaka 68 Lampiran

12 DAFTAR TABEL No. Keterangan Hal. 2.1 Aturan Kategori Ukuran Kerangka AturanPerhitunganBeratBadan Ideal Nilai BMI Dewasa TabelPasienKategoriDewasa TabelInisialCluster PusatCluster Iterasi PusatCluster TerkecilIterasi PusatCluster Iterasi PusatCluster TerkecilIterasi HasilPengelompokkanPasien TabeltAdmin TabeltPasien TabeltBMI TabeltKluster TabeltemBMI TabeltemKluster TabeltNewKluster TabeltHasilKluster TabeltHasilLaporan 45

13 DAFTAR GAMBAR No. Keterangan Hal. 2.1 Salah Satu Dataset yang Mempunyai Bentuk Khusus Lingkar Lengan Bawah Flowchart Sistem Diagram Konteks DFD Level 0 Sistem Pengelompokkan K-Means Clustering DFD Level 1 Proses K-Means Clustering Relasi Antar Tabel Rancangan Tampilan Menu Utama Rancangan Login Rancangan Pengukuran Manual Rancangan Proses K-Means Clustering Rancangan Pusat Cluster Tiap Iterasi Rancangan Cek Cluster Tiap Iterasi Rancangan Laporan Akhir Rancangan Data Admin Rancangan Data Pasien Rancangan Data BMI Rancangan Data UK Profil Penulis Tampilan Menu Utama Tampilan Login Tampilan Menu Utama Otoritas Desfa Tampilan Sub Menu Input Data Tampilan Menu Pengukuran Manual Tampilan Data User Tampilan Data Pasien Tampilan Data BMI Tampilan Data Ukuran Kerangka Tampilan Awal K-Mean Clustering 62

14 4.11 Tampilan About Tampilan Awal Proses K-Means Clustering Tampilan Hasil Pengujian K-Means Clustering Tiap Iterasi Tampilan Pesan Hasil Pengujian Tampilan Hasil Pengujian K-Means Clustering Pada Iterasi Terakhir Tampilan Laporan Akhir 66