IMPLEMENTASI METODE K-MEANS CLUSTERING DAN...
Transcript of IMPLEMENTASI METODE K-MEANS CLUSTERING DAN...
ARTIKEL
IMPLEMENTASI METODE K-MEANS CLUSTERING DAN SIMPLE
RELATIVE PRODUCT INDEX AND AGREGATIF UNTUK
PENGELOMPOKAN DAN ANALISA DAERAH PENGHASIL
PERTANIAN KABUPATEN KEDIRI
Oleh:
OKKY WILLYAND SUPRAPTO
14.1.03.02.0072
Dibimbing oleh :
1. Ir. JULI SULAKSONO, M.M,. M.Kom
2. PATMI KASIH, M.Kom
TEKNIK INFOMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2018
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 1||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 2||
IMPLEMENTASI METODE K-MEANS CLUSTERING DAN SIMPLE
RELATIVE PRODUCT INDEX AND AGREGATIF UNTUK
PENGELOMPOKAN DAN ANALISA DAERAH PENGHASIL
PERTANIAN KABUPATEN KEDIRI
Okky Willyand Suprapto∗), Patmi Kasih∗∗),
14.1.03.02.0072
Fakultas Teknik – Teknik Informatika
o. willyand@gmail. com∗), fatkasih@gmail. com∗∗)
Ir. Juli Sulaksono, M. M. , M. Kom 1 dan Patmi Kasih, M. Kom2
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Dengan luas wilayah 1.386 km2 menjadikan mayoritas penduduk Kabupaten Kediri
bermata pencarian sebagai petani. Berdasarkan data Badan Pusat Statistik (BPS) Kabupaten
Kediri menyatakan bahwa pada tahun 2016 luas panen padi mencapai 57.027 Ha dengan
produksi sebanyak 341.555 ton, sedang luas panen tanaman pangan lainnya seperti jagung
adalah 51.145 Ha dengan jumlah hasil panen sebanyak 322.930 ton, ubi kayu 5.772 Ha
dengan hasil panen 178.364 ton, kacang tanah 3.535 Ha dengan hasil panen 4.924 ton dan
kedelai 755 Ha dengan hasil panen sebanyak 1.025 ton.
Data yang tersaji pada PBS (Badan Pusat Statistik) tersebut masih belum maksimal
dan belum dapat diambil informasi agar lebih bernilai. Sehingga hal tersebut manjadi dasar
penelitian ini dilakukan. Tujuan yang ingin dicapai dalam penelitian ini adalah untuk
menganalisa hasil pertanian selama lima tahun dari tahun 2013 sampai 2017 dan
mengelompokan daerah penghasil pertanian di Kabupaten Kediri.
Teknik dalam penelitian ini adalah penelitian yang membangun sebuah sistem
Rekayasa Peangkat Lunak hasil pertanian di Kabupaten Kediri yang datanya diambil di kantor
BPS (Badan Pusat Statistik) Kabupaten Kediri dengan menggunakan metode K-Means
Clustering dan Simple Relative Product Index And Agregatif untuk melakukan pengolahan
data.
Dari penelitian ini telah dihasilkan Sistem Analisa Dan Pengelompokan Hasil
Pertanian Kabupaten kediri. Aplikasi ini dapat membantu menganalisan hasil pertanian dan
mengetahui daerah penghasil pertanian dengan hasil sebagai berikut : Ngadiluwih, Wates,
Kepung, Ngasem dan Banyakan masuk dalam kelompok tinggi. Mojo, Semen, Kras,
Plosokaten, Gurah, Kandangan, Pare, Badas, Kunjang, Plemahan, Purwoasri, Papar, Pagu,
Kayenkidul, Gampengrejo, Grogol dan Tarokan masuk dalam kelompok sedang. Ringinrejo,
Kandat, Ngancar dan Puncu masuk dalam kelompok rendah.
Berdasarkan hasil kesimpulan direkomendasikan : (1) Aplikasi ini masih perlu adanya
update database, sehingga data yang ditampung bisa lebih besar. (2) perlunya penyempurnaan
modul fitur lain agar menjadi lebih baik lagi.
KATA KUNCI : Metode K-Means Clustering, Simple Relativ Prouct Index And Agregatif,
hasil pertanian.
Artikel Skripsi
Universitas Nusantara PGRI Kediri
I. LATAR BELAKANG
Pertanian adalah kegiatan
pemanfaatan sumber daya hayati
yang dilakukan manusia untuk
menghasilkan bahan pangan, bahan
baku, industri, atau sumber energi
serta mengelola lingkungan
hidupnya. Kegiatan pemanfaatan
sumber daya hayati yang termasuk
dalam pertanian biasa dipahami
orang sebagai budidaya tanaman atau
bercocok tanam.
Dengan luas wilayah 1.386
km2 menjadikan mayoritas
penduduk Kabupaten Kediri bermata
pencarian sebagai petani. Data hasil
pertanian yang ada pada Badan Pusat
Statistik (BPS) Kabupaten Kediri
adalah data tanaman pokok yang
dikumpulkan adalah luas panen dan
produktivitas hasil per hektar.
Produksi tanaman pangan merupakan
hasil perkalian antara luas panen
dengan produktivitas. Pengumpulan
data dilakukan setiap bulan dengan
pendekatan area kecamatan di
Kabupaten Kediri yaitu: Mojo,
Semen, Ngadiluwih, Kras,
Ringinrejo, Kandat, Wates, Ngancar,
Plosokaten, Gurah, Puncu, Kepung,
Kandangan, Pare, Badas, Kunjang,
Plemahan, Purwoasri, Papar, Pagu,
Kayenkidul, Gampengrejo, Ngasem,
Banyakan, Grogol, dan Tarokan
dengan hasil panen barupa padi,
jagung, ubi kayu, ubi jalar, kacang
tanah, kedelai, kacang hijau, bawang
merah, sawi, kangkung, bayam,
terong, cabai merah (besar), cabai
merah (kecil), petai, kembang kol,
kubis, dan buncis.
Akan tetapi data hasil pertanian
yang terdapat di Badan Pusat
Statistik (BPS) Kabupaten Kediri
hanya mampu menampilkan berapa
banyak hasil pertanian setiap
tahunnya dan belum bisa melakukan
pengolahan data agar menjadi
informasi yang lebih maksimal.
Maka dari itu perlu adanya sebuah
metode K-Means Clistering dan
statistik simple relative product
index and agregative agar mampu
mengelompokan dan menganalisa
kelompok daerah penghasil dari
tahun 2013 sampai 2017 di
Kabupaten Kediri.
II. METODE
Terdapat dua metode yang
peneliti gunakan untuk melakukan
pengolahan data pertanian, data
pertanian yang ada akan dihitung
rata-rata, selanjutnya nilai rata-rata
akan dihitung menggunakan metode
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 1||
statistik Simple Relative Product
Index And Agregative dan yang
kedua adalah metode data mining K-
Means Clustering. Berikut ini adalah
analisa dari kedua metode tersebut :
A. Simple Relative Product Index
And Agregative
(𝐼𝑡,0 =𝑝𝑡
𝑝0
𝑥 100%) − 100%
𝐼𝑡,0 = indeks produksi waktu t
dengan waktu dasar 0
𝑞𝑡 = produksi pada waktu t
𝑞0 = produksi pada waktu 0
Apabila hasil yang telah
dihitung bernilai positif (+) maka
produk tersebut mengalami
kenaikan produksi begitu
sebaliknya apabila hasil yang telah
dikurangi bernilai negatif (-) maka
produk tersebut mengalami
penurunan. Data hasil pertanian dan
luas lahan akan dihitung nilai rata-
ratanya dengan cara membagi data
setiap produk pertanian yang
sejenis dengan luas lahan pada
masing-masing-masing produk
setiap kecamatan dengan tahun
yang saama. Berikut contoh
penerapan rumusnya :
a. 𝑃𝑎𝑑𝑖2017,2016
= (2017
2016𝑥100%) − 100%
= (56,14426
56,60065𝑥100% ) − 100%
= -0,81 %
b. 𝑃𝑎𝑑𝑖2016,2015
= (2016
2015𝑥100%) − 100%
= (56,60065
56,19205𝑥100%) – 100%
= 0,73 %
Dari hasil penghitungan diatas
dapat dianalisa bahwa hasil
pertanian padi dari tahun 2016 ke
2017 mengalami penurunan
sebesar -081% di bandingkan
tahun 2015 ke 2016 yang
mengalami kenaikan 0,73%.
B. K-Means Clustering
Merupakan algoritma yang
relatif sederhana dalam
mengelompokan objek dalam sekala
besar dengan atribut tertentu kedalam
kelompok-kelompok sebanyak yang
diinginkan. Pada algoritma ini jumlah
cluster yang dinginkan harus
ditentukan terlebih dahulu.
Karena itu, proses penentuan
titik pusat dan keanggotaan cluster
harus dilakukan dalam iterasi
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 2||
(perulangan) hingga posisi titik pusat
dan angota-anggota cluster benar-
benar stabil. Algoritma K-Means
adalah sebagai berikut:
1. Tentukan jumlah cluster.
2. Bangkitkan k centroid awal secara
random.
3. Hitung jarak setiap data ke
masing-masing centroid
Euclidean Distance.
𝑑𝑖𝑗 = √∑{𝑋𝑖𝑘 − 𝑋𝑗𝑘}2
𝑝
𝑘=1
Dimana :
𝑑𝑖𝑗 = Jarak objek i dan j
𝑃 = Dimensi data
𝑋𝑖𝑘 = Koordinat dari objek i
pada dimensi k
𝑋𝑗𝑘 = Koordinat dari objek j
pada dimensi k
4. Kelompokkan setiap data
berdasarkan jarak terdekat antara
data dengan centroidnya.
5. Tentukan posisi centroid baru
(𝐶𝑘) dengan cara menghitung nilai
rata-rata dari data-data yang ada
pada centroid yang sama.
𝐶𝑘 = (1
𝑛𝑘) ∑ 𝑑𝑖
Dimana 𝑛𝑘 adalah jumlah anggota
dalam cluster k dan 𝑑𝑖 adalah
anggota dalam cluster k.
6. Kembali ke langkah 3 jika posisi
centroid baru dengan yang
sebelumnya tidak sama.
III. HASIL DAN KESIMPULAN
Sistem yang ada, dibangun
menggunakan dua metode untuk
mengelompokan dan menganalisa
hasil pertanian Kabupaten Kediri.
Dengan rancangan sebagai berikut :
1. Flowchart sistem
Gambar 1 Flowchart
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 3||
A. Analisa Hasil Pertanian
Pada analisa hasil pertanian,
produk padi, jagung dan cabai dapat
dianalisa dengan baik setiap tahunya
dari tahu 2013 sampai 2017. Brikut
ini hasil penghitungan analisa
kenaikan dan penurunan hasil
pertanian di kabupaten kediri :
1. Hasil analisa panen padi
Gambar 2 Hasil Analisa Padi
Gambar 2 merupakan hasil
analisa pertanian produk padi dengan
satuan presentase (%), dimana data
dengan nilai positif (+) artinya
mengalami kenaikan, sedangkan
yang bernilai negatif (-) artinya
mengalami penurunan. Berikut ini
tampilan program analisa produk
pertanian :
2. Menu awal sistem
Gambar 3 Menu Awal
3. Hasil rata-rata pada sistem
Gambr 4 Hasil Rata-rata
4. Dataset pertanian
Gambar 5 Dataset Pertanian
5. Analisa pane padi pada sistem
Gambar 6 Hasil analisa padi
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 4||
B. Pengelompokan Daerah
Pertanian
Kecamatan yang ada di
Kabupaten Kediri akan
dikelompokan berdasarkan tinggi,
sedang dan rendahnya hasil
pertanian. Berikut adalah hitung
centroid dan jarak dari hasil
pertanian :
1. Nilai centroid dan jarak
Gambar 7 Centroid dan Jarak
Kecamatan akan otomatis
masuk kedalam kelompok tinggi,
sedang dan rendah berdasakan jarak
terpendeknya. Sehingga didapat pola
kelompok seperti berikut :
2. Pola cluster
Gambar 8 Pola Kelompok Data
Pada gambar 8 dapat diperoleh
hasil sebagai berikut :
a. Cluster tinggi : Ngadiluwih,
Wates, Kepung, Ngasem dan
Banyakan.
b. Cluster sedang : Mojo, Semen,
Kras, Plosoklaten, Gurah,
Kandangan, Pare, Badas,
Kunjang, Plemahan, Purwoasri,
Papar, Pagu, Kayenkidul,
Gampengrejo, Grogol dan
Tarokan.
c. Luster rendah : Ringinrejo,
Kandat, Ngancar dan Puncu.
3. Hasil cluster sistem
Gambar 9. Hasil cluster sistem
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 5||
IV. PENUTUP
A. Kesimpulan
Sistem sudah mampu menganalisa
hasil produk pertanian berupa padi,
jagung dan cabai rawit selama lima
tahun dari 26 kecamatan di
Kabupaten Kediri dari tahun 2013
sampai 2017 dengan sangat baik.
Sedangkan dalam hal
pengelompokan daerah pengahsil
pertanian, sitem juga sudah mampu
melakukan proses cluster dengan
sangat baik.
B. Saran
Perlu menambahkan bebrapa fitur
dalam sistem agar menjadi lebih
maksimal dalam fungsi yang dipakai,
selain itu perlu memperluas database
agar dapat menampung data lebih
banyak lagi.
V. DAFTAR PUSTAKA
Afifah, Nur. 2016. Pengclusteran Lahan
Sawah Di Indonesia Sebagai Evaluas
Ketersediaan Produk Pangan
Menggunakan Fuzzy C-means.
Jurnal Matematika Vol. 02 No. 01
(Online).
http://mantik.uinsby.ac.id/index.php/
Mantik1/article/download/26/pdf,
diunduh 26 Mei 2018.
Agustina, Silvi. 2014. Clustering Kualitas
Beras Berdasarkan Ciri Fisik
Menggunakan Metode K-Means.
http://yudistira.lecture.ub.ac.id/files/
2014/04/clustering-kualitas-beras-
dengan-k-means.pdf, diunduh 26
Mei 2018.
Arikunto, S. 2006. Prosedur Penelitian
Suatu Pendekatan Praktik. Jakarta :
PT Renika Cipta.
BPS. 2013. Kabupaten Kediri Dalam
Angka 2013. Kediri : Badan Pusat
Statistik.
BPS. 2014. Kabupaten Kediri Dalam
Angka 2014. Kediri : Badan Pusat
Statistik.
BPS. 2015. Kabupaten Kediri Dalam
Angka 2015. Kediri : Badan Pusat
Statistik.
BPS. 2016. Kabupaten Kediri Dalam
Angka 2016. Kediri : Badan Pusat
Statistik.
BPS. 2017. Kabupaten Kediri Dalam
Angka 2017. Kediri : Badan Pusat
Statistik.
Fahamzah, Adam. 2017. K-Means
Clustering Untuk Klasterisasi
Kinerja Dosen Dalam Empat
Kompetensi Dasar Berdasarkan
Penilaian Mahasiswa. Simki-
Techsain Vol. 01 No. 01 Tahun 2017.
Simki.unpkediri.ac.id.
Kamus Besar Bahasa Indonesia (2002).
Departemen Pendidikan Nasional
Edisi ke-3. Balai Pustaka. Jakarta.
HM, Jogiyanto. 1999. Analisis Desain
Sistem Infrmasi : Pendekatan
tersruktur Teori dan Prakter Apilkasi
Bisnis. Yogyakarta : ANDI.
Maulana, M. Peran Luas Lahan Intensitas
Pertanian dan Produktivitas Sebagai
Sumber Pertumbuhan Padi sawah di
Indonesai 1980-2001. Jurnal Argo
Ekonomi, Vol. 22 No. 1 (Online).
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Okky Willyand S | 14.1.03.02.0072 FT – Teknik Informatika
simki.unpkediri.ac.id || 6||
http://ejurnal.litbang.pertanian.go.id/i
ndex.php/jae/article/view/4796,
diunduh 5 Desember 2017.
McLeod, 2004. Sistem Informasi
Manajeme. PT. Indeks. Jakarta
Nugroho, B. 2004. Database Relational
dengan MySQL. Yogyakarta: ANDI.
Prihantoro, E.A. 2010. Aplikasi Web
Based Learning Untuk Sekolah
Menengah Atas. (Online), tersedia:
http://eprints.uns.ac.id/4067/1/16182
2608201009521.PDF, diunduh 4
Januari 2018.
Putra, I.G.A.D. Utama, M. S. dan Yasa,
I.W.M. 2016. Analisi Daya Lahan
Berdasarkan Total Nilai Produksi
Pertanian di Kabupaten Gianyar. E-
Jurnal Ekonomi dan Bisnis
Universitas Udayana 5.3: 387-402
(Online), tersedia:
https://ojs.unud.ac.id/index.php/EEB
/article/view/11488/13324, diunduh
22 Januari 2018.
Rivai, D.A. dan Purnama, BE. 2014.
Pembuatan Sistem Pengolahan Data
Nilai Siswa Berbasis Web Pada
Sekolah Menengan Kejuruan (SMK)
Miftahul Huda Ngadirojo. Indonesia
Journal on Networking and Security,
Vol.3 No.2 (Online), tersedia:
ijns.org/journal/index.php/ijns/article
/view/97, diunduh 4 Januari 2018.
Rivani, Edmira. 2010. Aplikasi K-Means
Clustering Untuk Pengelompokkan
Provinsi Berdasarkan Produksi Padi,
Jagung, Kedelai, Dan Kacang Hijau
Tahun 2009. Jurnal Mat Stat, Vol. 10
No. 2 Juli 2010 (Online).
http://research-
dashboard.binus.ac.id/uploads/paper/
document/publication/Journal/MatsT
at/Vol.%2010%20No.%202%20Juli
%202010/04_Edmira%20Rivani_sett
ing.pdf, diunduh 26 Mei 2018.
Sudaryanto, T. Dan Rusastra, I.W.
Kebijakan Strategis Usaha Pertanian
Dalam Rangka Peningkatan Produksi
dan Pengetasan Kemiskinan. Jurnal
Litbang Pertanian 25 (4). (Online),
tersedia:
http://www.academia.edu/download/
31094592/p3254061.pdf, diunduh: 5
Desember 2017.
Supranto, J. 2000. Statistik: Teori dan
Aplikasi. Jakarta: Erlangga.
Sutanta E. 2011. Basis Data dalam
Tinjauan Konseptual (Benedicta Rini
W, Ed.). Yogyakarta: ANDI.
Sugiyono. 2015. Metode Penelitian
Pendidikan (Pendekatan Kuantitatif,
Kualitatif dan R&D). Bandung : CV.
Alfabeta.
Sutabri, Tata. 2012. Analisis Sistem
Informasi. Yogyakarta : ANDI.
Yakub. 2012. Pengantar Sistem Informasi.
Yogyakarta: Graha Ilmu.