PERBANDINGAN EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE PADA ALGORITMA K-MEANS UNTUK PENGELOMPOKKAN DATA LANSIA DI NAGORI SITALASARI

Lansia secara fisiologis ditandai terjadinya kemunduran fungsi-fungsi dalam tubuh yang menyebabkan lansia rentan terkena gangguan kesehatan. Penyakit rentan pada lansia diketahui selain obesitas, yaitu penyakit gula darah (diabetes). Algoritma yang digunakan pada penelitian ini yaitu algoritma K-Means dengan menggunakan perhitungan jarak Euclidean dan Manhattan yang diimplementasikan dengan software Microsoft Excel dan menggunakan evaluasi silhouette coeficient dan standar deviasi. Penelitian ini menghasilkan perbandingan perhitungan Euclidean Distance dan Manhattan Distance yang diharapkan dapat menentukan kualitas hasil Clustering yang lebih akurat pada data lansia di Nagori Sitalasari dengan cluster C0 (obesitas) dan C1 (diabetes). Data diambil dari Kantor Pangulu Nagori Sitalasari yaitu berupa data berat badan dan kadar gula darah lansia di Nagori Sitalasari tahun 2022. Algoritma K-means dengan Eulidean Distance memperoleh nilai Silhouette Coefficient dan Standar Deviasi yang lebih baik dari Manhattan Distance dengan perbandingan nilai Silhouette Coefficient 0,73539054 > 0,726568679 dan nilai Standar Deviasi 32,11760778 < 36,10608535.

Kata Kunci: Perbandingan, K-Means, Euclidean Distance, Manhattan Distance, Clustering