Pengelompokan Zat Gizi Makanan Menggunakan Analisis Diskriminan
Pengelompokan Zat Gizi Makanan Menggunakan Analisis Diskriminan
net/publication/274256563
CITATIONS
READS
0
38,899
1 author:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Hanna Arini Parhusip on 31 March 2015.
Abstrak
Paper ini menjelaskan tentang penggelompokkan jenis makanan berdasarkan zat gizi
yang terkandung di dalamnya. Pengelompokkan jenis makanan terbagi atas banyaknya zat gizi
mikro (karbohidrat dan kalsium) dan zat gizi makro (protein dan lemak).
Metode yang digunakan adalah metode Analisis Diskriminan. Data yang diambil dari
Daftar Komposisi Bahan Makanan (DKBM) Indonesia, yang meliputi dari 50 jenis makanan
dan 4 variabel jenis gizi yang dikandung. 4 jenis gizi tersebut adalah Protein, dan Lemak,
Karbohidrat, Kalsium.
Metode ini akan membagi 4 variabel menjadi 2 grup yaitu zat gizi mikro dan zat gizi
makro pada makanan. Hasil dari analisis data tersebut akan menunjukkan jenis makanan
tersebut termasuk jenis makanan yang mengandung banyak zat gizi mikro atau lebih banyak
mengandung zat gizi makro.
Kata Kunci: Zat gizi makro, zat gizi mikro, analisis diskriminan .
1. Pendahuluan
Zat gizi pada makanan dapat dibagi menjadi 2 bagian berdasarkan jumlah yang
terkandung didalamnya, yaitu zat gizi mikro merupakan zat gizi yang dibutuhkan
tubuh dalam jumlah kecil atau sedikit dan zat gizi makro merupakan zat gizi yang
dibutuhkan tubuh dalam jumlah besar(web 1) .
Pada identifikasi jenis makanan berdasarkan gizi yang dikandung ini, telah
didentifikasi masing – masing 2 jenis gizi yang merupakan zat gizi mikro dan
makro. Zat gizi mikro yang telah diidentifikasi yaitu karbohidrat dan kalsium,
sedangkan zat gizi makro yaitu protein dan lemak. Akan tetapi dapat dijumpai
bahwa jenis makanan yang didaftar tidak dikelompokkan dengan mudah
berdasarkan kedua jenis gizi tersebut. Terlebih lagi jika makanan bersifat lokal
maka identifikasi makanan tersebut sangat sulit dilakukan (Ireland, 2000). Demikian
pula berdasarkan Daftar Makanan Indonesia pada literatur, pengelompokkan masih
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei
berdasarkan jenis makanan yang tentunya masih dilakukan secara manual. Makalah
ini memberikan cara melakukan klasifikasi dengan analisa diskriminan.
Makalah ini menggunakan data yang bersumber dari Daftar Komposisi Bahan
Makanan (DKBM) Indonesia yang ditunjukkan pada Tabel 1.
Tabel 1.
Data Kandungan Gizi pada Jenis - jenis Makanan
Kandungan
No Nama Makanan
Protein Lemak Karbohidrat Kalsium
1 Bandeng Presto 17.10 20.30 11.30 1422.00
2 Cumi - cumi Goreng 40.60 10.10 0.00 62.00
3 Empek Tangiri 7.20 1.20 33.40 164.00
4 Gurame Asam Manis 12.70 10.10 12.70 283.00
5 Ikan Mas Goreng 18.10 0.00 0.00 20.00
6 Mujair Goreng 46.90 23.90 0.00 346.00
7 Botok Lamtoro 11.70 9.70 13.00 771.00
8 Buncis Rebus 2.20 0.20 6.40 107.00
9 Keredok 2.20 3.30 114.10 174.00
10 Gado - gado 6.10 3.20 21.00 301.00
11 Ketoprak 7.90 7.70 13.00 153.00
12 Pecel 11.14 12.53 31.72 267.00
13 Sayur Asem 0.70 0.60 5.00 40.00
14 Sayur Daging Sapi 21.70 0.00 0.00 21.30
15 Sayur Lodeh 1.90 0.00 0.00 35.40
16 Soup 1.40 0.00 0.00 20.80
17 Sayur Tahu Toge 3.40 0.00 0.00 47.90
18 Sayur Tempe 9.30 0.00 0.00 98.70
19 Semur Jengkol 1.80 2.40 12.10 0.02
20 Semur Telur 5.00 0.00 0.00 60.80
21 Soto Banjar 4.70 6.70 5.10 147.00
22 Soto Betawi 2.50 8.80 11.50 222.00
23 Soto Kudus 2.60 2.30 1.80 237.00
24 Soto Pekalongan 3.00 6.80 5.10 322.00
25 Toge Goreng 3.20 2.10 14.00 168.00
26 Tumis Bayam 2.00 0.00 0.00 191.90
27 Tumis Kangkung 2.50 0.00 0.00 69.60
28 Cerelac 9.00 15.50 68.90 443.33
29 Sosis daging 14.50 42.30 2.30 28.00
30 Kelepon 3.70 3.70 41.80 232.00
31 Kue Bika Ambon 2.10 1.20 44.40 45.00
32 Bawal Goreng 19.00 1.70 0.00 20.00
33 Cumi - cumi 16.10 0.70 0.00 32.00
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei
Makalah ini disusun sebagai berikut. Pada Bab II ditunjukkan analisa diskriman
sebagai metode yang digunakan dalam melakukan pengelompokkan. Prosedur yang
dilakukan dijelaskan secara bertahap pada Bab III. Selanjutnya sebagai hasil analisis
ditunjukkan pada Bab IV. Adapun kesimpulan dinyatakan pada bagian akhir makalah
ini.
2. Analisis Diskriminan
Pada dasarnya analisa diskriminan dipergunakan untuk mengetahui peubah-peubah
penciri yang membedakan kelompok individu yang ada, selain itu juga dapat
dipergunakan sebagai kriteria pengelompoka n yang dilakukan berdasarkan perhitungan
statistik terhadap kelompok yang terlebih dahulu diketahui secara jelas
pengelompokannya. Apabila dua atau lebih grup ( n1, n2 ,..., nm ) telah diukur dalam
beberapa peubah
X1, X 2 ,..., maka dapat dibangun fungsi linear tertentu, dimana
Xm
fungsi itu merupakan fungsi pembeda terbaik bagi kelompok – kelompok grup yang
diteliti.
yang diperlukan, jika ada beberapa kelompok grup kemudian ingin diketahui apakah
kelompok-kelompok tersebut memang berbeda secara statistika. Kelompok-kelompok
ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel
independen. Kombinasi linier dari variabel- variabel ini akan membentuk suatu fungsi
diskriminan. Apabila dimensi data sangat besar, maka analisis diskriminan daapat
dilakukan dengan melakukan pengelompokan data terlebih dahulu (clustering) (
Thomas dan Dean,-).
Pada makalah ini data akan dipisahkan menjadi 2 grup dan misalkan ruang sampel
adalah suatu populasi P. Sebutlah grup
1 sebagai zat gizi makro dan sebagai grup
2
zat gizi mikro dengan ketentuan bahwa kalsium dan karbohidrat termasuk kelompok zat
gizi mikro sedangkan protein dan lemak termasuk kelompok zat gizi makro. Sedangkan
data pada Tabel 1 terdiri dari 4 sampel, protein, lemak karbohidrat dan kalsium.
Pada makalah ini akan ditekankan pada pengklasifikasian data multivariat dalam 2
kelompok grup dengan nilai kovariansi sama yaitu ∑1 = ∑2 = ∑. Sebutlah
f1 (x)
menyatakan fungsi densitas untuk
1 f 2 (x) 2 . Fungsi densitas masing-
masing adalah dan untuk
i= 1, 2 . (1)
(2)
. (3a)
Sebutlah pula c(2|1) merupakan biaya suatu anggota grup salah ditempatkan sebagai
anggota grup . Kita perlu mempunyai sifat rata-rata sebagai harapan biaya salah
terklasifikasi (expected cost misclassification (ECM)) yang sekecil mungkin. Yang
dimaksud biaya disini dapat juga berupa energi atau usaha yang digunakan dalam
pengelompokan. Dalam aplikasi seringkali sangat sulit untuk terukur.
Karena batas antar grup dapat bias (tidak tegas), maka kita perlu melakukan
klasifikasi dengan mempunyai probabilitas prior tiap grup terlebih dahulu. Sebutlah
dan berturut-turut menyatakan probailitas prior grup ke-1 dan grup ke-2. Jika domain
grup adalah R1 dan domain grup adalah R2 maka berlaku (Johnson dan
Wichern,2007, hal.500)
Seber menjelaskan formulasi (3b) secara lebih detail [4] yang diperoleh dengan
memperhatikan total nilai harapan ECM yang diminimalkan.
Salah satu kejadi khusus dengan ECM yaitu untuk c(1|2) = c(2|1) atau rasio
keduanya sama dengan 1 yang artinya biaya untuk salah penempatan pada grup 1 dan
grup 2 sama. Maka dapat diperoleh persamaan (3b) menjadi
f1 (x) p2 p2
R : ; R : f1 (x) . (3c)
f 2(x) p f (x) p
1 2
1 2 1
(4)
(5)
. (6)
tiap komponennya merupakan rata-rata dari komponen dalam grup yang sama.
Contoh 1: Untuk data Bandeng presto pada Tabel 1, maka
2].
Jadi setiap jenis makanan pada Tabel 1 perlu ditentukan x0 yang disubstitusikan
vektor pada persamaan (6).
Formulasi yang telah disebutkan mensyaratkan bahwa data haruslah
berdistribusi normal. O leh karena itu data perlu diuji dan hal ini ditunjukkan pada
Teorema 1 (Parhusip.dkk, 2010)
dipenuhi maka data dianggap tidak berdistribusi normal. Kita akan menyatakan
banyaknya data berdistribusi normal dalam prosentase. Jika sebagian besar data
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei
memenuhi persamaan (7) maka kita dapat menyimpulkan data secara keseluruhan
berdistribusi normal.
3. Metode Penelitian
1. Data yang digunakan
Data yang digunakan pada kasus ini di ambil dari data Daftar Komposisi
Bahan Makanan (DKBM) Indonesia (Tabel 1). Data dipilih sebanyak 50
jenis makanan dan 4 variabel yang masing – masing mewakili jenis zat gizi
yang ada.
2. Data dinyatakan tanpa dimensi dengan membagi tiap kolom dengan maksimum
tiap kolom.
3. Data perlu diuji apakah berdistribusi normal. Jika berdistribusi normal maka
analisa diskriminan dapat dilakukan.
4. Data yang berdistribusi normal tersebut kemudian dipisahkan menjadi 2
kelompok grup yaitu makro (protein dan lemak) dan mikro (karbohidrat dan
kalsium).
Analisa dengan prosedur tersebut dilakukan dengan menggunakan bantuan program
MATLAB 6.5.
4. Hasil dan Pembahasan
Agar analisis diskriminan dapat dilakukan, maka normalitas data terlebih dahulu
diuji. Hal itu dilakukan menggunakan bantuan program Matlab 6.5. Kita menggunakan
0.05 dan derajat kebebasan p=4 berdasarkan X 2 ( ) X 2 ( ) = 9.49
p p
Tabel diperoleh
yang digunakan sebagai batas pada persamaan (7). Hasil uji kenormalan tersebut dapat
terlihat dalam Gambar 1 dengan garis putus-putus menyatakan nilai batas
X 2 ( ) =
p
9.49. Diatas garis batas, maka data tidak berdistribusi normal. Akan tetapi hanya
sebagian kecil data yang tidak berdistribusi normal (6%). Oleh karena itu dapat
disimpulkan data secara keseluruhan berdistribusi normal.
Seminar Nasional Statistika Universitas Diponegoro, Semarang, 21 Mei
Gambar 1. Uji normalitas data (Data di atas garis horizontal merupakan data yang tidak berdistribusi
normal)
Gambar 2. Hasil klasifikasi data Tabel1 dalam kelompok makro (Protein dan lemak) yang berada
di atas 0 dan kelompok gizi mikro (berada di bawah 0). Nilai pada garis vertikal adalah nilai yang
diperoleh pada ruas kiri persamaan (6)
Tabel 2.
Daftar hasil pengelompokan jenis makanan yang digolongkan menjadi 2 grup
5. Kesimpulan
Makalah ini berisi tentang pengelompokan jenis makanan berdasarkan zat gizi yang
dikandungnya. Dengan menggunakan daftar makanan yang diberikan oleh data yang
digunakan, daftar tersebut dapat dikelompokkan dalam 2 grup. Terdapat 50 jenis
makanan dengan berbagai variasi dikelompokkan dalam 2 macam zat gizi yaitu makro
(Protein dan Lemak) dan zat mikro (karbohidrat dan kalsium).
Daftar Pustaka
[1] Johnson,R.A and Wichern, D.W., Applied Multivariate Statistical Analysis, 6th ed.
Prentice Hall, 2007. ISBN 0-13-187715-1.
[2] Ireland, J.D and Moller, A. ,Review of International Food Classification and
Description, Journal of Food Composition and Analysis, 2000, 13, 529-538.
[3] Parhusip, H. A., Evi, K., dan Dyah K., Uji Normalitas dan Fungsi Linear Kepadatan
Penduduk Salatiga tahun 2008, Prosiding Seminar Nasional dan Pendidikan Sains
FSM ISSN: 2087-0922, Vol.1 No.1 Juni 2010, hal. 643-654.
[4] Seber, G.A. F, Multivariate Observations, Wiley Series in Probability and
Mathematical Statistics, 1984.
[5] Thomas , B. M. and Dean, N., Variable Selection and Updating In Model-Based
Discriminant Analysis for High-Dimensional Data,-
Pustaka Internet
Web 1: http://dahlanforum.wordpress.com/2009/04/24/zat-zat-gizi-yang-dibutuhkan-
tubuh/.