Diagram Konteks Sistem Pengelompokkan K-Means Clustering Data Flow Diagram Level 0 Data Flow Diagram Level 1 Proses K-Means Clustering

3.2.1 Diagram Konteks Sistem Pengelompokkan K-Means Clustering

Pada diagram konteks di bawah ini terdapat dua entiti luar external entity yang terdapat pada perangkat lunak yang dibangun yaitu Admin dan User. Admin berfungsi sebagai pengguna sistem yang memberikan masukan berupa data pasien yang terdiri dari IDPasien, jenis kelamin, berat badan, tinggi badan serta ukuran lingkar lengan bawah. Selain memberikan masukan berupa data pasien, Admin juga dapat memberikan masukan untuk data BMI, data UK, dan data cluster acak awal yang digunakan dalam proses perhitungan metode k-means clustering. Sedangkan, fungsi dari user sebagai pengguna sistem hanya dapat melakukan proses perhitungan k- means clustering dengan memberikan masukan data cluster acak awal. Diagram Konteks dapat dilihat seperti pada Gambar 3.2. Gambar 3.2 Diagram Konteks

3.2.2 Data Flow Diagram Level 0

Data Flow DiagramLevel 0 adalah diagram yang menggambarkan proses-proses yang terjadi di dalam sistem pengelompokkan k-means clustering. Proses-proses yang terjadi dalam DFD Level 0 adalah proses pengisian data pasien, proses pengisian data BMI, proses pengisian data UK, dan proses perhitungan k-means clustering. Dalam DFD level 0 tersebut dapat dilihat proses-proses apa saja yang dapat dilakukan oleh admin dan user. DFD Level 0 dapat dilihat pada Gambar 3.3. Data Pasien, Data BMI, Data UK, Data Cluster Acak Awal Data Cluster Acak Awal Sistem Pengelompok- kan k-means clustering Admin User Hasil Pengelompokkan Hasil Pengelompokkan Universitas Sumatera Utara Gambar 3.3DFD Level0Sistem Pengelompokkan K-MeansClustering

3.2.3 Data Flow Diagram Level 1 Proses K-Means Clustering

Data Flow DiagramLevel 1Proses K-Means Clustering menggambarkan langkah- langkah proses dari metodek-meansclustering untuk melakukan pengelompokan pasien dengan menghitung BMI, menghitung ukuran kerangka UK, BMR, dan kalori harian, membangkitkan centroid acak, menghitung jarak data dengan centroid, menghitung cluster baru serta pengelompokan data pasien berdasarkan posisi cluster pada iterasi terakhir. Data Umur, BMI, UK, Kalori Data Pasien, Kluster, Umur, BMI, UK, K l i Data Kluster, BMI, UK Data Pasien, Kluster Data Pasien, Kluster, Jarak Kluster Data Cluster Pusat Data Pasien, Kluster,Umur, BMI, UK, Data UK Data UK Data UK Data BMI Data BMI Data BMI Data Umur, Berat,Tinggi, Aktivitas Data Pasien Data Pasien 1.0 Pengisian Data Pasien 2.0 Pengisian Data BMI 3.0 Pengisian Data UK Data Cluster Acak Awal User tPasien tDataBMI tDataUK tBMI tNewKluste tKluster temKluster temBMI tHasilKluster Data Cluster Acak Awal Hasil Pengelomp okkan Hasil Pengelompokkan tHasilLaporan 4.0 k-means clustering Admin Universitas Sumatera Utara Gambar 3.4DFD Level1Proses K-Means Clustering DataUmur,BMI , UK Kalori tBM Status Kluster Data Pasien, Kluster, Jarak Kluster Data Pasien, Kluster,Umur, BMI,UK, Kalori Data Kluster, BMI, UK Data Kluster, BMI, UK Data UK Data BMI Data Pasien,Kluster, Umur, BMI, UK, Kalori Data Pasien, Kluster Data Pasien, Kluster Data Pasien,Kluster, Umur, BMI, UK, Kalori Data Pasien,Kluster, Umur, BMI, UK, Kalori Data Pasien, Kluster, Jarak Kluster Data Cluster Pusat Data Umur, BMI, UK, Kalori Data Cluster Pusat Data Cluster Pusat Data Umur, Berat,Tinggi , Aktivitas Data Umur, BMI, UK, Kalori Data Cluster Acak Awal Data Cluster Acak Awal 4.1 Perhitungan BMI, UK, dan Kalori 4.4 Pengelompok kan Data tiap Cluster 4.5 Pengecekan posisi cluster lama dan baru 4.2 Perhitungan Cluster Pusat tKluster temBMI temKluster tHasilKluste tHasilLaporan 4.6 Simpan Hasil Akhir Cluster tDataBMI tDataUK tPasien 4.3 Perhitungan distance space tNewKluster Data Pasien,Kluster, Umur, BMI,UK, K l i Admin User 4.7 Cetak Laporan Hasil Pengelompokkan Hasil Pengelompokkan Universitas Sumatera Utara

3.2.4 Perancangan Database