SEGMENTASI POLA ASUPAN GIZI HARIAN PADA MAHASISWA UNIVERSITAS MERCU BUANA MENGGUNAKAN ALGORITMA K-MEANS

NAUVAL, MOHAMMAD RAYHAN KWARTA (2026) SEGMENTASI POLA ASUPAN GIZI HARIAN PADA MAHASISWA UNIVERSITAS MERCU BUANA MENGGUNAKAN ALGORITMA K-MEANS. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (410kB) | Preview
	Text (BAB I) 02 BAB 1.pdf Restricted to Registered users only Download (112kB)
	Text (BAB II) 03 BAB 2.pdf Restricted to Registered users only Download (275kB)
	Text (BAB III) 04 BAB 3.pdf Restricted to Registered users only Download (142kB)
	Text (BAB IV) 05 BAB 4.pdf Restricted to Registered users only Download (475kB)
	Text (BAB V) 06 BAB 5.pdf Restricted to Registered users only Download (156kB)
	Text (DAFTAR PUSTAKA) 07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (159kB)
	Text (LAMPIRAN) 08 LAMPIRAN.pdf Restricted to Registered users only Download (530kB)

Abstract

A The shift in lifestyle among university students in the digital era often impacts unbalanced food consumption patterns, which in the long term increases the risk of obesity and non-communicable diseases. This study aims to analyze the daily nutritional intake patterns of Universitas Mercu Buana students and perform objective nutritional profile segmentation using an information technology approach. The variables studied include four main macronutrient components: total calories, protein, fat, and carbohydrates, as well as user anthropometric data for calculating basic energy requirements. The research subjects are active students of Universitas Mercu Buana selected using the Purposive Sampling technique, where data is collected through the "NutriTrack" web application instrument developed with the MERN Stack and integrated with the FatSecret API for data validity. The data analysis method used is the K-Means Clustering Data Mining algorithm, with the determination of the optimal number of clusters using the Elbow Method and cluster quality validation using the Silhouette Coefficient. The expected result of this study is the formation of student clusters with identical eating pattern characteristics, such as groups with balanced nutrition, energy deficits, or risky macronutrient surpluses. The interpretation of these results indicates that the use of self-recording applications combined with intelligent algorithm analysis can provide a real-time and accurate picture of the population's nutritional status. In conclusion, this study not only produces a functional digital health monitoring tool but also provides an empirical data foundation for university stakeholders to design nutritional intervention programs and health education that are more specific and targeted for students. Keywords: Nutritional Intake Patterns, K-Means Clustering, NutriTrack, Students, Data Mining. Pergeseran gaya hidup mahasiswa di era digital sering kali berdampak pada pola konsumsi makanan yang tidak seimbang, yang secara jangka panjang meningkatkan risiko obesitas dan penyakit tidak menular. Penelitian ini bertujuan untuk menganalisis pola asupan gizi harian mahasiswa Universitas Mercu Buana dan melakukan segmentasi profil gizi secara objektif menggunakan pendekatan teknologi informasi. Variabel yang diteliti dalam penelitian ini meliputi empat komponen gizi makro utama, yaitu total kalori, protein, lemak, dan karbohidrat, serta data antropometri pengguna untuk perhitungan kebutuhan energi dasar. Subjek penelitian adalah mahasiswa aktif Universitas Mercu Buana yang dipilih menggunakan teknik Purposive Sampling, di mana data dikumpulkan melalui instrumen aplikasi web "NutriTrack" yang dikembangkan dengan MERN Stack dan terintegrasi dengan FatSecret API untuk validitas data. Metode analisis data yang digunakan adalah algoritma Data Mining K-Means Clustering, dengan penentuan jumlah klaster optimal menggunakan Elbow Method dan validasi kualitas klaster menggunakan Silhouette Coefficient. Hasil yang diharapkan dari penelitian ini adalah terbentuknya klaster-klaster mahasiswa dengan karakteristik pola makan yang identik, seperti kelompok dengan gizi seimbang, kelompok defisit energi, atau kelompok dengan kelebihan makronutrien berisiko. Interpretasi hasil penelitian ini mengindikasikan bahwa pemanfaatan aplikasi pencatatan mandiri yang digabungkan dengan analisis algoritma cerdas dapat memberikan gambaran status gizi populasisecara real-time dan akurat. Kesimpulannya, penelitian ini tidak hanya menghasilkan alat monitoring kesehatan digital yang fungsional, tetapi juga memberikan landasan data empiris bagi pihak universitas untuk merancang program intervensi gizi dan edukasi kesehatan yang lebih spesifik dan tepat sasaran bagi mahasiswa. Kata Kunci : Pola Asupan Gizi, K-Means Clustering, NutriTrack, Mahasiswa, Data Mining

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41822010123
Uncontrolled Keywords:	Pola Asupan Gizi, K-Means Clustering, NutriTrack, Mahasiswa, Data Mining
Subjects:	500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 600 Technology/Teknologi > 610 Medical, Medicine, and Health Sciences/Ilmu Kedokteran, Ilmu Pengobatan dan Ilmu Kesehatan > 612 Human Physiology/Fisiologi Manusia, Ilmu Faal, Anatomi dan Fisiologi Manusia > 612.3 Nutrition/Nutrisi, Ilmu Gizi 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.01-658.09 [Management of Enterprises of Specific Sizes, Scopes, Forms; Data Processing]/[Pengelolaan Usaha dengan Ukuran, Lingkup, Bentuk Tertentu; Pengolahan Data] > 658.05 Data Processing Computer Applications/Pengolahan Data Aplikasi Komputer
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	khalimah
Date Deposited:	02 Sep 2026 07:42
Last Modified:	02 Sep 2026 07:42
URI:	http://repository.mercubuana.ac.id/id/eprint/103579

Actions (login required)

View Item