Beranda » Kesehatan » Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita
click image to preview activate zoom

Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita

Rp 70.000
Stok Pre Order
KategoriKesehatan
Tentukan pilihan yang tersedia!
PRE ORDER
Hubungi kami untuk informasi lebih lanjut mengenai pemesanan produk ini.
Pemesanan lebih cepat! Quick Order
Bagikan ke

Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita

Judul       : Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita

Penulis   : Dr. Dedy Hartama, S.T., M.Kom dan Muhammad Raqib Syahkur

 

Ukuran   : 14 x 20

Tebal       : 114 Halaman

Cover      : Soft Cover

 

SINOPSIS

Buku Monograf dengan Judul “Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita”, ini membahas secara mendalam penerapan algoritma K-Means++ dalam proses pengelompokan data status gizi balita, dengan penekanan pada evaluasi jumlah klaster optimal. Permasalahan gizi pada balita merupakan isu penting dalam pembangunan kualitas sumber daya manusia, khususnya di negara berkembang seperti Indonesia. Oleh karena itu, pengelompokan data gizi secara tepat diperlukan untuk mendukung analisis yang objektif. Penelitian ini menggabungkan tiga metode evaluasi—Silhouette Coefficient, Elbow Method, dan Davies-Bouldin Index (DBI)—guna menentukan dan memvalidasi jumlah klaster terbaik dalam konteks distribusi gizi balita.

Dari sisi teknis, buku ini menyusun landasan teori dan metodologi secara sistematis, mulai dari pengantar data mining dan Knowledge Discovery in Databases (KDD) hingga karakteristik dan keunggulan algoritma K-Means++. Tahapan analisis mencakup proses preprocessing data, inisialisasi centroid dengan Excel, serta implementasi dan validasi model menggunakan Python. Dataset yang digunakan berasal dari platform Kaggle, dan telah melalui tahap normalisasi dan encoding untuk memastikan keakuratan proses klasterisasi. Evaluasi dilakukan secara bertingkat untuk masing-masing jumlah klaster, disertai analisis kuantitatif terhadap stabilitas dan validitas hasil klaster.

Kontribusi penting dari monograf ini terletak pada pendekatan integratif antara teknik komputasi dan konteks kesehatan masyarakat. Hasil penelitian menunjukkan bahwa penggunaan K-Means++ dengan evaluasi Silhouette, Elbow, dan DBI dapat menghasilkan klaster yang lebih stabil dan representatif. Temuan ini memiliki implikasi langsung terhadap upaya perumusan kebijakan intervensi gizi yang lebih tepat sasaran. Dengan demikian, buku ini tidak hanya menjadi referensi penting bagi akademisi di bidang data science dan kesehatan, tetapi juga relevan bagi praktisi dan pengambil kebijakan yang berorientasi pada data dalam perencanaan program kesehatan balita.

Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita

Berat300 gram
Kondisi Baru
Dilihat 152 kali
Diskusi Belum ada komentar

Belum ada komentar, buka diskusi dengan komentar Anda.

Silahkan tulis komentar Anda

Alamat email Anda tidak akan kami publikasikan. Kolom bertanda bintang (*) wajib diisi.

*

*

Produk Terkait

Social Media & Marketplace
Chat via Whatsapp

Ada yang ditanyakan?
Klik untuk chat dengan admin kami

Siti
● online
Siti
● online
Halo, perkenalkan saya Siti
baru saja
Ada yang bisa saya bantu?
baru saja
Produk Quick Order

Pemesanan dapat langsung menghubungi kontak dibawah: