Analisis Cluster menggunakan Self Organizing MAP untuk Segmentasi Produk Makanan Ringan (Studi Kasus : Produk Makanan Ringan Berdasarkan Informasi Nilai Gizi)

Abstract

Penderita diabetes di Indonesia terus meningkat seiring berjalannya waktu dan berasal dari berbagai kalangan usia dimana 90% dari penderita menderita diabetes tipe II. Hal yang menyebabkan meningkatnya penderita penyakit diabetes adalah gaya hidup yang tidak sehat dan konsumsi makanan atau minuman yang mengandung kadar Gula, Garam, dan Lemak (GGL) tinggi. Tujuan dari penelitian ini adalah untuk mengelompokkan produk makanan ringan yang berpotensi dapat menyebabkan diabetes berdasarkan informasi nilai gizi serta menentukan metode terbaik untuk pembentukkan cluster. Hal ini dilakukan agar konsumen dapat lebih selektif dalam memilih produk makanan ringan yang berpotensi dapat menyebabkan diabetes. Data yang digunakan dalam penelitian ini adalah data informasi nilai gizi dari produk makanan ringan berupa jumlah kandungan lemak total, lemak jenuh, gula, dan garam. Dengan menggunakan SOM topologi hexagonal grid 5 × 9 terbentuk 45 neuron output. Kemudian diperoleh metode terbaik untuk pengelompokkan neuron output adalah metode k-means yang mana terbentuk 2 cluster dengan nilai silhouette index sebesar 0.44, dunn index sebesar 0.09, dan connectivity index sebesar 11.14. Cluster pertama berisi 165 produk dengan kandungan lemak total, lemak jenuh, dan garam yang rendah dan memiliki kandungan gula yang tidak jauh berbeda dari cluster kedua. Kemudian, cluster kedua berisi 46 produk dengan kandungan lemak total dan lemak jenuh yang sangat tinggi, sedangkan kandungan garam tidak jauh berbeda dari cluster pertama serta merupakan cluster yang harus diwaspadai karena kandungan lemak total dan lemak jenuh.