BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Melihat dari tujuan penelitian ini, tujuan yang ingin dicapai adalah menerapkan / memanfaatkan salah satu metode pengolahan data pada data mining menggunakan metode Clustering dengan Algoritma K-Means. Kemudian hasil dari Clustering akan dianalisis untuk diketahui bagaimana keadaan gizi dari balita berdasarkan pengukuran Antropometri. Keadaan gizi balita yang mendominasi dari semua cluster adalah normal/baik. Pada balita laki – laki didapati hasil pada cluster C1 sebanyak 61 balita, cluster C2 sebanyak 84 balita, cluster C3 sebanyak 82, dan cluster C4 sebanyak 61 balita dengan nilai validasi 97%. Sedangkan pada data balita perempuan didapati hasil pada cluster 1 sebanyak 59 balita, cluster C2 sebanyak 84, cluster C3 sebanyak 65, dan cluster C4 sebanyak 67 balita dengan nilai validasi 100%. Pada hipotesa / tujuan awal setelah pengelompokkan data diharapkan analisis dari masing – masing cluster dapat memberikan informasi berupa status gizi balita dengan melihat dominasi status gizi balita dari tiap cluster. Tapi dari hasil penelitian ternyata dari semua cluster, keadaan gizi yang mendominasi adalah baik/normal. Sehingga penelitian ini bisa dikatakan belum sesuai dengan yang diharapkan. Karena balita dengan keadaan gizi normal/baik menyebar merata kesemua cluster. Hal ini disebabkan karena pemilihan anggota cluster pada proses clustering dilihat dari jarak terdekat data ke pusat cluster. Sedangkan untuk menentukan status gizi balita disetiap umur, berat badan ataupun tinggi/panjang badan memiliki ukuran standar tersendiri untuk mengetahui 57 balita tersebut masuk ke dalam golongan gizi yang seperti apa. Maka dari itulah mengapa dalam satu cluster ada variasi status gizi balita. Oleh karena itu, melihat dari hasil penelitian dan tujuan awal penelitian dapat disimpulkan bahwa metode clustering ini tidak dapat / tidak cocok digunakan dalam kasus gizi untuk menentukan status gizi balita. 5.2. Saran Untuk penelitian lebih lanjut ada beberapa masukan diantaranya : a. Pengujian menggunakan metode/algoritma lainnya agar hasil yang didapatkan lebih baik lagi. b. Percobaan pada studi kasus atau dataset lainnya yang memiliki masalah yang sama seperti data yang digunakan dalam penelitian ini, dimana data tidak memiliki label/class. 58