Hillarius Eka Boy Benu Pengarang SEBASTIANUS ADI SANTOSO MOLA Dosen Pembimbing 2 Emerensye Sofia Yublina Pandie Ketua Penguji Sebastianus Adi Santoso Mola Penguji 1 Nelci D. Rumlaklak Penguji 2

INTISARI APLIKASI K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN STATUS GIZI MAHASISWA (STUDI KASUS : UNIVERSITAS NUSA CENDANA KOTA KUPANG) OLEH HILLARIUS EKA BOY BENU 1506080058 Pengelompokan status gizi mahasiswa merupakan suatu kegiatan untuk membagi mahasiswa ke dalam beberapa kelompok dengan memperhatikan variabel yang digunakan untuk menghitung status gizi. Mahasiswa Universitas Nusa Cendana (UNDANA) Kupang dalam kehidupan sehari-hari telah melakukan tindakan body shaming tanpa mengetahui standar yang digunakan untuk menghitung status gizi . Body shaming merupakan tindakan menjelek-jelekan dan mengomentari penampilan fisik seseorang baik secara sadar maupun tidak sadar. Pengetahuan yang kurang tentang standar yang digunakan untuk menghitung status gizi dapat menyebabkan terjadinya tindakan body shaming. K-means clustering merupakan salah satu algoritma yang dapat digunakan untuk menyelesaikan permasalahan ini. Variabel atau atribut yang digunakan dalam penelitian ini yaitu berat badan, tinggi badan, jenis kelamin dan jenis tempat tinggal. Pengujian dilakukan terhadap 1000 record dengan membagi data kedalam 3 kelompok dengan hasil yaitu kelompok pertama dengan jumlah anggota 148 orang terdiri dari laki-laki 82 orang dan perempuan 66 orang dengan data lebih banyak yang berjenis kelamin laki-laki dengan status gizi berat normal yang bertempat tinggal di rumah, kelompok kedua dengan jumlah anggota 432 orang terdiri dari laki-laki 195 orang dan perempuan 237 orang dengan data lebih banyak berjenis kelamin perempuan dengan status gizi berat normal yang bertempat tinggal di rumah dan kelompok ketiga dengan jumlah anggota 420 orang terdiri dari laki-laki 252 orang dan perempuan 168 orang dengan data lebih banyak berjenis kelamin laki-laki dengan status gizi berat normal yang bertempat tinggal di indekos . Pengujian sistem dilakukan dengan menerapkan algoritma Koefisien Siluet pada data yang telah dihitung dengan metode K-means clustering dengan hasil yang didapatkan yaitu 993 record berada cluster yang tepat dan 7 record berada pada cluster yang tidak tepat dengan nilai rata-rata 0,993 yang dapat disimpulkan sebagai struktur data kuat. Kata kunci : K-means clustering, algoritma pengelompokan, pengelompokan status gizi, body shaming, Silhouette coefficient