Penerapan K-Means Cluster Pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara

Putrama Alkhairi, Agus Perdana Windarto

Abstract


Data mining ialah istilah yang telah digunakan untuk proses otomatik yang menggunakan matematika, kecerdasan buatan, statistik, dan machine learning untuk mengidentifikasi dan mengekstrasi informasi pengetahuan yang tersembunyi dalam database. Clustering ialah suatu proses pengelompokkan kumpulan data menjadi beberapa kelompok sehingga objek di suatu kelompok memiliki banyak kesamaan dan memiliki banyak perbedaan dengan objek dikelompok lain. K-means clustering ialah metode data clustering non-hirarkii yang mengelompokkan data dalam bentuk satu maupun lebih dari suatu cluster atau kelompok. Algoritma k-means merupakan algoritma teknik clustering yang berbasis suatu partisi. Tujuan penelitian ini ialah untuk mengetahui pengukuran dari kinerja algoritma dan mengelompokan daerah potensi karet produktif, Pengukuran dilihat dari hasil cluster dengan cara menghitung nilai kemurnian (purity measure) masing – masing cluster/kelompok yang di hasilkan. Data penelitian ini menggunakan ialah data dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Diharapkan dengan adanya penelitian ini bisa berkontribusi dalam mengefektifkan dalam penggunaan lahan pertanian karet pada setiap daerah.

Kata Kunci: Data Mining, Daaerah Potensi, Clustering, K-Means, Produktif


Full Text:

PDF

References


Mohamad jajuli nurul rohmawati, sofi defiyanti, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, vol. I, no. 2, pp. 62–68, 2015.

E. P. A. Lhorend Mutiara Pratiwi, Diana, “PENERAPAN K-MEANS CLUSTERING UNTUK MEMPREDIKSI MINAT NASABAH PADA PT . ASURANSI JIWA BERSAMA 1912 BUMIPUTERA PRABUMULIH Lhorend Mutiara Pratiwi1 , Diana2 , Eka Puji Agustini3 Dosen Universitas Bina Darma2 · 3 , Mahasiswa Universitas Bina Darma1 Jalan Jend,” 2016.

A. K. Wardhani, “( K-MEANS ALGORITHM IMPLEMENTATION FOR CLUSTERING OF PATIENTS DISEASE IN KAJEN CLINIC OF PEKALONGAN ) Anindya Khrisna Wardhani Magister Sistem Informasi Universitas Diponegoro,” vol. 14, pp. 30–37, 2016.

B. M. Metisen and H. L. Sari, “Analisis Clustering Menggunakan Metode K-Means dalam Pengelompokkan Penjualan Produk pada Swalayan Fadhila,” J. Media Infotama, vol. 11, no. 2, pp. 110–118, 2015.

C. J. M. S. Fina Nasari, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat,” pp. 108–119.

A. P. Windarto, M. R. Lubis, and L. R. Komprehensif, “IMPLEMENTASI JST PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF IMPLEMENTATION OF NEURAL NETWORK IN PREDICTING TOTAL COMPREHENSIVE INCOME OF CONVENTIONAL COMMERCIAL BANKS USING,” vol. 5, no. 4, pp. 411–418, 2018.

A. P. Windarto, M. R. Lubis, and Solikhun, “IMPLEMENTASI JST PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF BANK UMUM KONVENSIONAL DENGAN BACKPROPAGATION,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, pp. 411–418, 2018.

Solikhun, A. P. Windarto, Handrizal, and M.Fauzan, “Jaringan Saraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropogation Dalam Mendorong Laju Pertumbuhan Ekonomi,” Kumpul. J. Ilmu Komput., vol. 4, no. 2, pp. 184–197, 2017.

A. P. Windarto, L. S. Dewi, and D. Hartama, “Implementation of Artificial Intelligence in Predicting the Value of Indonesian Oil and Gas Exports With BP Algorithm,” Int. J. Recent Trends Eng. Res., vol. 3, no. 10, pp. 1–12, 2017.

Sumijan, A. P. Windarto, A. Muhammad, and Budiharjo, “Implementation of Neural Networks in Predicting the Understanding Level of Students Subject,” Int. J. Softw. Eng. Its Appl., vol. 10, no. 10, pp. 189–204, 2016.

A. P. Windarto, M. R. Lubis, and Solikhun, “MODEL ARSITEKTUR NEURAL NETWORK DENGAN BACKPROPOGATION PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF BANK UMUM KONVENSIONAL,” Kumpul. J. Ilmu Komput., vol. 5, no. 2, pp. 147–158, 2018.

I. S. Damanik and A. P. Windarto, “PENERAPAN METODE TOPSIS DALAM MENENTUKAN PEMILIHAN KARTU PRABAYAR HANDPHONE GOBAL SYSTEM FOR MOBILE ( HP GSM ),” vol. 2, pp. 231–237, 2018.

F. Syahputra, I. Lubis, and A. P. Windarto, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN GURU BERPRESTASI KOTA MEDAN MENERAPKAN METODE PREFERENCES SELECTION INDEX ( STUDI KASUS : DINAS PENDIDIKAN KOTA MEDAN ),” vol. 2, pp. 147–155, 2018.

S. R. Ningsih and A. P. Windarto, “Penerapan Metode Promethee II Pada Dosen Penerima Hibah P2M Internal,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 1, pp. 20–25, 2018.

T. Imandasari, A. Wanto, and A. P. Windarto, “Analisis Pengambilan Keputusan Dalam Menentukan Mahasiswa PKL Menggunakan Metode PROMETHEE,” J. Ris. Komput., vol. 5, no. 3, pp. 234–239, 2018.

T. Novika, A. Widiastari, V. Miralda, and A. P. Windarto, “SPK: ANALISA REKOMENDASI BANK KONVENSIONAL DENGAN PROMETHEE SEBAGAI SOLUSI CERDAS UNTUK MENABUNG,” JUSIM, vol. 3, no. 1, pp. 38–45, 2018.

F. Adelia, D. Wahyuli, T. Imanda, and A. P. Windato, “Analisis Promethee II Pada Faktor Penyebab Mahasiswa Sulit Menemukan Judul Artikel Ilmiah,” Jurnal Ilmiah KOMPUTASI, vol. 17, no. 2, pp. 131–135, 2018.

T. Imandasari and A. P. Windarto, “Sistem Pendukung Keputusan dalam Merekomendasikan Unit Terbaik di PDAM Tirta Lihou Menggunakan Metode Promethee,” J. Teknol. dan Sist. Komput., vol. 5, no. 4, p. 159, 2017.

A. P. Windarto et al., “MODEL ARSITEKTUR NEURAL NETWORK DENGAN BACKPROPOGATION PADA PREDIKSI TOTAL LABA,” vol. 5, no. 2, pp. 147–158, 2018.

M. G. Sadewo et al., “PENERAPAN ALGORITMA CLUSTERING DALAM MENGELOMPOKKAN BANYAKNYA DESA / KELURAHAN MENURUT UPAYA ANTISIPASI / MITIGASI BENCANA ALAM MENURUT PROVINSI DENGAN K-MEANS,” vol. 2, pp. 311–319, 2018.

M. G. Sadewo, A. P. Windarto, and D. Hartama, “PENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS CLUSTERING,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 2, no. 1, pp. 60–67, 2017.

H. Siahaan, H. Mawengkang, S. Efendi, A. Wanto, and A. P. Windarto, “Application of Classification Method C4 . 5 on Selection of Exemplary Teachers,” in IOP Conference Series, 2018, pp. 1–6.

A. P. Windarto, “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method,” Int. J. Artif. Intell. Res., vol. 1, no. 2, pp. 26–33, 2017.

B. Supriyadi, A. P. Windarto, T. Soemartono, and Mungad, “Classification of natural disaster prone areas in Indonesia using K-means,” Int. J. Grid Distrib. Comput., vol. 11, no. 8, pp. 87–98, 2018.

S. Sudirman, A. P. Windarto, and A. Wanto, “Data Mining Tools | RapidMiner : K-Means Method on Clustering of Rice Crops by Province as Efforts to Stabilize Food Crops In Indonesia,” IOP Conf. Ser. Mater. Sci. Eng., vol. 420, no. 12089, pp. 1–8, 2018.

J. Informatika, W. Mega, and P. Dhuhita, “CLUSTERING MENGGUNAKAN METODE K-MEANS UNTUK,” vol. 15, no. 2, 2015.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Seminar Nasional Teknologi Komputer & Sains (SAINTEKS)