Please use this identifier to cite or link to this item: http://repository.ipb.ac.id/handle/123456789/113523
Title: Pengelompokan Makanan Tradisional Indonesia menggunakan Two-Step Method for Cluatering Mixed Categorical and Numeric Data (TMCM)
Other Titles: Clustering Traditional Indonesian Food using a Two-step Method for Clustering Mixed Categorical and Numeric Data (TMCM)
Authors: Annisa
Djatna, Taufik
Aulia, Rizka
Issue Date: Aug-2022
Publisher: IPB University
Abstract: Makanan tradisional merupakan makanan dan minuman yang berkembang disuatu daerah yang diolah menggunakan bahan-bahan lokal yang dilakukan secara turun temurun sehingga mempunyai cita rasa yang khas.Cita rasa yang khas dapat menjadi daya tarik untuk mencicipi makanan tradisional yang ada. Pemilihan jenis makanan tradisional bergatung pada preferensi masing-masing indivindu. Penelitian ini mencoba mengelompokkan makanan tradisional berdasarkan hasil kuisioner dari penelitian sebelumnya. Metode pengelompokan merupakan metode yang mengelompokan atribut atau objek yang sama kedalam satu kelompok. Metode clustering biasanya berfokus hanya pada data numerik atau hanya pada data ketegorik. Tetapi, pada penelitian ini data yang digunakan yaitu data numerik dan data kategorik (campuran). Penelitian ini menerapkan metode clustering untuk data campuran yaitu Two-Step Method for Clustering Mixed Categorical and Numeric Data (TMCM). Metode TMCM menghasilkan sebanyak 4 cluster. Profil cluster 1 yaitu itu makanan yang memiliki karakteritik rasa pedas netral, gurih netral, tidak manis, tidak asin, tidak asam. Profil cluster 2 dengan karakteristik rasa pedas netral, gurih, tidak manis, asin netral, tidak asam. Profil cluster 3 yaitu tidak pedas, gurih, manis netral, asin netral dan sangat tidak asam. Sedangkan Profil cluster 4 memiliki karakteristik rasa tidak pedas, gurih netral, manis netral, tidak manis, tidak asam.
URI: http://repository.ipb.ac.id/handle/123456789/113523
Appears in Collections:MT - Mathematics and Natural Science

Files in This Item:
File Description SizeFormat 
Cover.pdf
  Restricted Access
Cover653.52 kBAdobe PDFView/Open
G651180201_Rizka Aulia.pdf
  Restricted Access
Fulltext1.38 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.