Algoritma K-Means Dalam Mengelompokkan Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi

Mhd Gading Sadewo, Anggi Eriza, Agus Perdana Windarto, Dedy Hartama

Abstract


Lampu jalan atau dikenal juga sebagai Penerangan Jalan Umum (PJU) adalah lampu yang digunakan untuk penerangan jalan dimalam hari sehingga mempermudah pejalan kaki, pesepeda dan pengendara kendaraan dapat melihat dengan lebih jelas jalan/medan yang akan dilalui pada malam hari, sehingga dapat meningkatkan keselamatan lalu lintas dan keamanan dari para pengguna jalan dari kegiatan/aksi kriminal. Penerangan jalan yang baik akan menghalangi pelaku kejahatan yang mengambil manfaat dari kegelapan malam. Penelitian ini membahas tentang Algoritma K-Means Dalam Mengelompokkan Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi Sumber data penelitian ini dikumpulkan berdasarkan dokumen-dokumen keterangan Banyaknya Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama yang dihasilkan oleh Badan Pusat Statistik Nasional. Data yang digunakan dalam penelitian ini adalah data provinsi yang terdiri dari 34 provinsi. Variable yang digunakan ada 4 yaitu Keluarga Pengguna Listrik PLN, Keluarga Pengguna Listrik Non PLN, Sumber Penerangan Jalan Utama Desa Listrik Pemerintah, dan Sumber Penerangan Jalan Utama Desa Listrik Non Pemerintah. Data akan diolah dengan melakukan clustering dalam 3 clushter yaitu clusther tingkat penerangan tinggi, clusther tingkat penerangan sedang dan tingkat penerangan rendah. Hasil yang diperoleh dari proses penilaian berdasarkan indeks Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama dengan 5 provinsi tingkat penerangan tinggi yaitu Aceh, Sumatera Utara, Jawa Barat, Jawa Tengah dan Jawa Timur, 13 Provinsi tingkat penerangan sedang, dan 16 Provinsi lainnya termasuk tingkat penerangan tinggi. Hal ini dapat menjadi masukan kepada pemerintah, provinsi yang menjadi perhatian lebih pada Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama berdasarkan cluster yang telah dilakukan.

Kata Kunci: Clustering, K-Means, Data Mining


Full Text:

PDF

References


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. O. Ong, “Implementasi Algotritma K-means clustering untuk menentukan strategi marketing president university,” J. Ilm. Tek. Ind., vol. vol.12, no, no. juni, pp. 10–20, 2013.

D. B. B. N. Fauziah Nur, Prof. M. Zarlis, “PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), no. 9, pp. 100–105, 2015.

A. K. Wardhani, “Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan,” J. Transform., vol. 14, no. 1, pp. 30–37, 2016.

R. W. Sari, A. Wanto, and A. P. Windarto, “IMPLEMENTASI RAPIDMINER DENGAN METODE K-MEANS ( STUDY KASUS : IMUNISASI CAMPAK PADA BALITA BERDASARKAN PROVINSI ),” vol. 2, pp. 224–230, 2018.

A. I. G. Heni Sulastri, “Jurnal Teknologi dan Sistem Informasi PENERAPAN DATA MINING DALAM PENGELOMPOKAN PENDERITA THALASSAEMIA,” Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017.


Refbacks

  • There are currently no refbacks.