Penerapan Metode GA-KMEANS Untuk Pengelompokan Bahan Makanan Berdasarkan Kandungan Zat Gizi

Tubuh manusia memiliki kebutuhan zat gizi yang harus dipenuhi setiap harinya agar tetap sehat. Kebutuhan gizi tersebut dapat dipenuhi dengan menjaga pola waktu makan dan pemilihan bahan makanan yang tepat. Karena itu, dibutuhkan pengetahuan tentang kandungan gizi pada bahan makanan, sehingga seseorang dapat memilih pola makan yang sesuai dengan kebutuhan gizi tubuhnya. Untuk itu dibutuhkan pengelompokan bahan makanan yang dapat memudahkan dalam mencari bahan makanan dengan kandungan gizi yang diinginkan. K-means adalah salah satu metode clustering yang paling sering digunakan untuk mengelompokkan objek berdasarkan kemiripannya. Namun, metode K-means memiliki kelemahan yaitu titik pusat cluster awal yang digunakan untuk mengelompokkan dibuat secara acak, sehingga hasil pengelompokan tidak konsisten tiap kali dilakukan pengelompokan. Karena itu, dalam penelitian ini menggunakan metode Genetic Algorithm K-means (GA-Kmeans) dalam mengelompokkan bahan makanan berdasarkan kemiripan kandungan gizinya. Algoritma Genetika (GA) pada penelitian ini digunakan untuk mencari titik pusat cluster(centroid) awal yang berpotensi untuk menghasilkan pengelompokan yang optimal. Kemudian centroid tersebut digunakan dalam K-Means pada proses pengelompokan. Hasil uji coba menunjukkan nilai parameter maksimum generasi yang optimal adalah 250, parameter ukuran populasi yang optimal adalah 120, sedangkan parameter crossover rate(pc) dan mutation rate(pm) yang optimal masing-masing adalah 0.5 dan 0.3, dan jumlah cluster yang optimal adalah 5 dengan nilai silhouette 0.801 dan nilai SSE 5.860E+7