CLUSTERING MENU MAKANAN BERDASARKAN KEBUTUHAN KALORI HARIAN MENGGUNAKAN ALGORITME K-MEANS

Abstract

Masyarakat Indonesia masih sangat jauh dari kata pola hidup sehat dengan memilih makanan fastfood atau junkfood untuk dikonsumsi sehari-hari. Hal ini menyebabkan adanya kekurangan ataupun kelebihan kalori harian. Penelitian ini bertujuan untuk menerapkan metode algoritme K-Means dalam menentukan menu makanan yang sesuai dengan kebutuhan kalori harian. Dalam menentukan kebutuhan kalori harian dapat menggunakan Harris-Benedict. Dataset yang digunakan sebanyak 359 data yang digunakan dalam penelitian ini. Data ini diolah menggunakan metode klasterisasi dengan menggunakan algoritme k-means melalui proses Knowledge Discovery in Databases (KDD). Tahap awal yang dilakukan melakukan seleksi data dengan menghapus.kolom “id”, selanjutnya melakukan pengecekan nilai null. Transformation data melakukan normalisasi data dengan menggunakan min-max normalization dengan rentang nilai 0 sampai 1. Hasil data mining dengan K-Means menunjukkan bahwa cluster yang digunakan berjumlah 2 dengan menggunakan metode Elbow. Cluster 0 merupakan kelompok dataset makanan dengan tingkat protein dan kalori yang tinggi sedangkan cluster 1 merupakan kelompok dataset makanan dengan tingkat protein dan kalori yang rendah. Hasil evaluasi menggunakan silhouette score menunjukkan cluster yang terbaik adalah 2 dengan nilai rata-rata 0.61 yang merupakan kategori kriteria struktur baik. Model clustering menggunakan k-means kemudian diimplementasikan ke dalam aplikasi website sederhana menggunakan Flask sebagai web server dan TailwindCSS sebagai front-end. Aplikasi ini memungkinkan pengguna untuk menentukan menu makanan berdasarkan kalori harian. Penelitian ini menunjukkan bahwa algoritme k-means berhasil untuk menentukan menu makanan berdasarkan kalori harian.