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




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


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




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




(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




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




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




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.



Statistik.



Statistik.



Statistik.



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).

http://mantik.uinsby.ac.id/index.php/Mantik1/article/download/26/pdf

http://mantik.uinsby.ac.id/index.php/Mantik1/article/download/26/pdf

Artikel Skripsi




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.

http://ejurnal.litbang.pertanian.go.id/index.php/jae/article/view/4796

http://ejurnal.litbang.pertanian.go.id/index.php/jae/article/view/4796

http://eprints.uns.ac.id/4067/1/161822608201009521.PDF

http://eprints.uns.ac.id/4067/1/161822608201009521.PDF

https://ojs.unud.ac.id/index.php/EEB/article/view/11488/13324

https://ojs.unud.ac.id/index.php/EEB/article/view/11488/13324

http://research-dashboard.binus.ac.id/uploads/paper/document/publication/Journal/MatsTat/Vol.%2010%20No.%202%20Juli%202010/04_Edmira%20Rivani_setting.pdf






http://www.academia.edu/download/31094592/p3254061.pdf

http://www.academia.edu/download/31094592/p3254061.pdf

IMPLEMENTASI METODE K-MEANS CLUSTERING DAN...

Documents

Transcript of IMPLEMENTASI METODE K-MEANS CLUSTERING DAN...