PENGELOMPOKAN PUPUK BERSUBSIDI DI KABUPATEN BOJONEGORO MENGGUNAKAN METODE K -MEANS CLUSTERING
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Prabowo, Angga
Subject
000 Ilmu komputer, informasi dan pekerjaan umum
Datestamp
2022-11-14 08:20:45
Abstract :
Pupuk subsidi merupakan bentuk komitmen pemerintah dalam meningkatkan produktivitas pertanian, meningkatkan produksi pangan serta ketahanan pangan berkelanjutan, kini harga pupuk di kabupaten bojonegoro harganya semakin mahal hal ini mendorong peneliti untuk mengangkat menjadi judul skripsi. Tujuan dibuat aplikasi metode K-Means Clustering untuk pengelompokan pupuk bersubsidi Meningkatkan pengetahuan dan pemahaman tentang system berbasis computer. Algoritma K-Means merupakan algoritma pengelompokan iterative yang melakukan partisi set data ke dalam sejumlah K Cluster yang sudah ditetapkan di awal. Algoritma K-Means sederhana untuk diimplemtasikan dan dijalankan, relative cepat, mudah beradaptasi, umum penggunaannya dalam praktek. Dari permasalahan tentang klasterisasi pupuk bersubsidi di Kabupaten Bojonegoro dapat diselesaikan mengguanakan metode ¬K-Means. Algoritma K-Means dapat melakukan pengelompokan data dalam jumlah banyak secara tepat. Penentuan titik pusat (centroid) pada proses awal algoritma K-Means memiliki pengaruh yang signifikan terhadap hasil kluster. berdasarkan penelitian yang dilakukan, penulis menguji pengelompokan cluster terbaik menggunakan Davies Bouldin Index (DBI). Ditemukan hasil 3 cluster adalah yang terbaik dengan nilai DBI sebesar 0.527 sedangkan 4 cluster dengan nilai DBI 0.649 dan 5 cluster dengan nilai DBI 0.677. Semakin kecil nilai yang dihasilkan dalam pengujian maka hasilnya akan semakin baik. Sedangkan Mean Square Error (MSE) yang dihasilkan dalam klasterisasi pupuk adalah sebesar 0,588 dan RMSE sebesar 0,962.
Pupuk subsidi merupakan bentuk komitmen pemerintah dalam meningkatkan produktivitas pertanian, meningkatkan produksi pangan serta ketahanan pangan berkelanjutan, kini harga pupuk di kabupaten bojonegoro harganya semakin mahal hal ini mendorong peneliti untuk mengangkat menjadi judul skripsi. Tujuan dibuat aplikasi metode K-Means Clustering untuk pengelompokan pupuk bersubsidi Meningkatkan pengetahuan dan pemahaman tentang system berbasis computer. Algoritma K-Means merupakan algoritma pengelompokan iterative yang melakukan partisi set data ke dalam sejumlah K Cluster yang sudah ditetapkan di awal. Algoritma K-Means sederhana untuk diimplemtasikan dan dijalankan, relative cepat, mudah beradaptasi, umum penggunaannya dalam praktek. Dari permasalahan tentang klasterisasi pupuk bersubsidi di Kabupaten Bojonegoro dapat diselesaikan mengguanakan metode ¬K-Means. Algoritma K-Means dapat melakukan pengelompokan data dalam jumlah banyak secara tepat. Penentuan titik pusat (centroid) pada proses awal algoritma K-Means memiliki pengaruh yang signifikan terhadap hasil kluster. berdasarkan penelitian yang dilakukan, penulis menguji pengelompokan cluster terbaik menggunakan Davies Bouldin Index (DBI). Ditemukan hasil 3 cluster adalah yang terbaik dengan nilai DBI sebesar 0.527 sedangkan 4 cluster dengan nilai DBI 0.649 dan 5 cluster dengan nilai DBI 0.677. Semakin kecil nilai yang dihasilkan dalam pengujian maka hasilnya akan semakin baik. Sedangkan Mean Square Error (MSE) yang dihasilkan dalam klasterisasi pupuk adalah sebesar 0,588 dan RMSE sebesar 0,962.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
