UIMUIM

UIM | Zeta - Math JournalUIM | Zeta - Math Journal

Baru-baru ini, jumlah kedai kopi di kota besar Indonesia meningkat, memudahkan pecinta kopi untuk mengaksesnya. Seiring dengan meningkatnya kesadaran masyarakat akan pentingnya pola minum sehat dalam pencegahan diabetes dan penyakit lainnya, konsumsi minuman rendah kalori menjadi tren yang menonjol. Penelitian ini bertujuan mengelompokkan menu minuman kopi di Starbucks berdasarkan kandungan kalori dan protein. Data menu minuman Starbucks dikelompokkan menjadi dua klaster, yaitu klaster tinggi dan klaster rendah, menggunakan algoritma K-Means. Hasil pengelompokan dapat mengidentifikasi anggota Klaster 1 dan Klaster 2. Dari pengujian yang dilakukan, menu minuman dapat dibagi menjadi dua klaster berdasarkan kadar protein dan kalori, sehingga membantu publik dalam memilih minuman yang lebih tepat untuk dikonsumsi.

Merujuk pada hasil penelitian yang telah dihasilkan, yaitu mengelompokkan minuman Starbucks berdasarkan kandungan nutrisi protein dan kalori, dapat disimpulkan bahwa algoritma K-Means membentuk nilai K = 2 klaster.Jadi, pengelompokan minuman Starbucks merujuk pada kandungan nutrisi protein dan kalori yang dibagi menjadi dua kategori, yaitu rendah dan tinggi.Hasil algoritma K-Means menghasilkan 2 klaster yang merujuk pada kandungan nutrisi protein dan kalori, yaitu klaster 1 dan klaster 2.

Penelitian selanjutnya dapat meneliti bagaimana penambahan variabel nutrisi lain seperti lemak, gula, dan kafein mempengaruhi hasil pengelompokan minuman kopi, sehingga dapat menjawab pertanyaan: “Bagaimana struktur klaster berubah bila dimensi data ditambah dengan variabel nutrisi tambahan?. Selain itu, dapat dilakukan perbandingan antara algoritma K‑Means dengan algoritma pengelompokan lain seperti DBSCAN atau metode hierarkis untuk mengevaluasi keakuratan dan stabilitas klaster, yang akan menjawab: “Algoritma manakah yang memberikan pemetaan klaster paling representatif untuk data nutrisi minuman?. Penelitian juga dapat memperluas cakupan data dengan memasukkan menu minuman dari berbagai jaringan kedai kopi selain Starbucks dan mengintegrasikan survei preferensi konsumen, guna mengevaluasi apakah klaster yang terbentuk konsisten dengan pilihan konsumen, sehingga dapat menjawab: “Apakah pola klaster nutrisi minuman bersifat universal atau berbeda antar merek dan preferensi konsumen?. Dengan memperhatikan keterbatasan jumlah variabel dan sampel yang digunakan pada studi ini, studi lanjutan sebaiknya juga mengeksplorasi dampak segmentasi geografis serta faktor demografis pada pembentukan klaster. Hasil dari penelitian-penelitian tersebut diharapkan dapat memberikan gambaran yang lebih komprehensif bagi industri kopi dalam merancang menu yang lebih sesuai dengan kebutuhan kesehatan konsumen.

  1. Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation | Indonesian... doi.org/10.57152/ijirse.v2i1.311Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation Indonesian doi 10 57152 ijirse v2i1 311
  2. K-Means Algorithm for Clustering of Learners Performance Levels Using Machine Learning Techniques | IIETA.... iieta.org/journals/ria/paper/10.18280/ria.350112K Means Algorithm for Clustering of Learners Performance Levels Using Machine Learning Techniques IIETA iieta journals ria paper 10 18280 ria 350112
  3. E-Journal Polbeng. journal polbeng jurnal tekla inovtek seri teknik sipil aplikasi publikasi ilmiahonline... ejournal.polbeng.ac.id/index.php/ISI/article/view/2756E Journal Polbeng journal polbeng jurnal tekla inovtek seri teknik sipil aplikasi publikasi ilmiahonline ejournal polbeng ac index php ISI article view 2756
  4. Implementation of the K-Means Method for Beverage Clustering Based on Calorie and Protein | Zeta - Math... journal.uim.ac.id/index.php/zeta/article/view/3110Implementation of the K Means Method for Beverage Clustering Based on Calorie and Protein Zeta Math journal uim ac index php zeta article view 3110
Read online
File size638.46 KB
Pages11
DMCAReport

Related /

ads-block-test