Analisis Metode K-MEANS Pada Pengelompokan Keberadaan Area Resapan Air Menurut Provinsi

Dinda Nabila Batubara, Agus Perdana Windarto, Dedy Hartama, Heru Satria

Abstract


Daerah resapan airmerupakan sebuah daerah tempat masuknya air dari permukaan tanah ke dalam zona jenuh air sehingga membentuk suatu aliran air di dalam tanah. Kurangnya daerah resapan air menjadi masalah saat ini, karena daerah resapan air berfungsi untuk menampung debit air hujan yang turun di daerah tersebut agar tidak terjadi banjir dan masalah kekeringan.Sumber data diambil dari situs Badan Pusat Statistik Indonesia. Penelitian ini betujuan untuk mengelompokan daerah resapan air menggunakan algortima datamining dengan metode K-Means. Data yang digunakan dalam penelitian ini adalah data persentase rumah tangga berdasarkan provinsi dan keberadaan area resapan air pada tahun 2017 yang terdiri dari 34 provinsi di Indonesia. Berdasarkan data tersebut dieproleh pengelompokan area resapan air berdasarkan provinsi menjadi 2 clusteryaitu cluster tinggi (C1) dan cluster rendahmenggunakan K-means clustering.  Dari hasil penelitian diperoleh pengelompokan menjadi 16 provinsi dengan cluster tinggi (C1) dan 18 provinsi dengan clusterrendah (C2). Hal ini dapat menjadi masukan pada pemerintah untuk provinsi yang memiliki daerah resapan air rendah menjadi perhatian lebih berdasarkan cluster yang telah dilakukan.

Kata Kunci: K-Means, Area resapan air, Pengelompokan,Clustering, Data Mining

Full Text:

PDF

References


S. C. Tendean, O. H. A. Rogi, and V. A. Kumurur, “EVALUASI KAWASAN RESAPAN AIR DI KOTA MANADO,” 2017.

M. G. Sadewo, A. P. Windarto, and D. Hartama, “PENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS,” pp. 60–67, 2016.

P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster Pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” pp. 762–767, 2019.

A. P. Windarto, “Penerapan Data Mining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering,” Techno.COM, vol. 16, no. 4, pp. 348–357, 2017.

I. Parlina, A. P. Windarto, A. Wanto, and M. R. Lubis, “MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER,” vol. 3, no. 1, pp. 87–93, 2018.

M. G. Sadewo, A. Eriza, A. P. Windarto, and D. Hartama, “Algoritma K-Means Dalam Mengelompokkan Desa / Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi,” pp. 754–761, 2019.

A. Nurzahputra, M. A. Muslim, and M. Khusniati, “Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa,” vol. 16, no. 1, pp. 17–24, 2017.

M. G. Sadewo, A. P. Windarto, and S. R. Andani, “PEMANFAATAN ALGORITMA CLUSHTERING DALAM MENGELOMPOKKAN JUMLAH DESA / KELURAHAN YANG MEMILIKI SARANA KESEHATAN,” vol. I, pp. 124–131, 2017.

Anita, Y. Muharmi, and S. T. Siska, “Penentuan Tingkat Minat Belanja Online Melalui Media Sosial Menggunakan Metode Clustering K-Means,” vol. I, no. 2, 2018.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Seminar Nasional Sains dan Teknologi Informasi (SENSASI)