Pengelompokan Data Kelas Desa Berdasarkan Data Letter-C Menggunakan Algoritma K-Means Clustering

Asrul Hidayatul Kusna; Indyah Hartami Santi; Filda Febrinita

doi:10.33795/jip.v11i2.6077

Authors

Asrul Hidayatul Kusna Universitas Islam Balitar
Indyah Hartami Santi Universitas Islam Balitar
Filda Febrinita Universitas Islam Balitar

DOI:

https://doi.org/10.33795/jip.v11i2.6077

Keywords:

CRISP-DM, k-means , clustering, elbow , DBI, letter-c

Abstract

Data Letter - C adalah dokumen pertanahan yang digunakan sebagai acuan untuk membuktikan kepemilikan tanah. Dalam melakukan pengelompokan jenis tanah atau kelas desa di Desa Pandanarum masih dilakukan secara manual sehingga berakibat pada kurang efektifnya dalam pengelolaan sumber daya pertanahan. Untuk itu dilakukan pengelompokan kelas desa dengan menggunakan Algoritma K – Means Clustering dengan penentuan jumlah cluster menggunakan metode Elbow. Pengujian Algoritma dilakukan melalui metode Davies Bouldin Index. Proses penelitian dilakukan dengan menggunakan data Letter – C buku ketiga, dengan jumlah data sebanyak 429 data. Dari penelitian yang dilakukan. menghasilkan pengelompokan data kelas desa sebanyak 7 cluster. Cluster 1 memiliki sebaran kelas desa sebanyak 71 data yang terdapat pada blok 19,20,21,22,23 dan 24, sementara pada cluster terakhir, yaitu cluster ke 7, sebaran kelas desa sebanyak 84 data yang terdapat pada blok 12,13,14,15,16,17. Selanjutnya untuk proses pengujian dengan metode DBI, menghasilkan nilai 0,854, sehingga dapat disimpulkan pengelompokan data kelas desa dalam 7 cluster adalah kelompok tepat atau terbaik. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa pengelompokan data kelas menggunakan algoritma K-Means di Desa Pandanarum dapat meningkatkan pengelolaan sumber daya pertanahan.

Downloads

Download data is not yet available.

References

Arhami, M., & Nasir, M. (2020). Data Mining Algoritma Dan Implementsi. PENERBIT ANDI. https://www.google.co.id/books/edition/Data_Mining_Algoritma_dan_Implementasi/AtcCEAAAQBAJ?hl=id&gbpv=0

DIng., W., Zhang, Y., Sun, Y., & Qin, T. (2021). An Improved SFLA-Kmeans Algorithm Based on Approximate Backbone and Its Application in Retinal Fundus Image. IEEE Access, 9, 72259–72268. https://doi.org/10.1109/ACCESS.2021.3079119

Febrinita, F., Puspitasari, W., & Zaman, W. (2023). Klasterisasi Hasil Belajar Matematika dengan Algoritma K-Means Clustering. Generation Journal, 7(2), 116–125. https://doi.org/10.29407/gj.v7i2.20359

Fhadli, M., & Tempola, F. (2020). Data Mining Dengan Python Untuk Pemula. SPASI MEDIA. https://www.google.co.id/books/edition/Data_Mining_Dengan_Python_Untuk_Pemula/8Jf_DwAAQBAJ?hl=id&gbpv=0

Jollyta, D., Siddik, M., Mawengkang, H., & Efendi, S. (2021). Teknik Evaluasi Cluster Solusi Menggunakan Python Dan Rapidminer. Deepublish. https://www.google.co.id/books/edition/Teknik_Evaluasi_Cluster_Solusi_Menggunak/3rcgEAAAQBAJ?hl=id&gbpv=0

Koto, S. Z., Marsono, & Syahra, Y. (2020). Analisa Data Mining Untuk Pengelompokkan Pemegang Sertipikat Hak Atas Tanah dengan Algoritma K-Means Clustering Di Kota Medan. Jurnal CyberTech, x. No.x(x).

Merly, P., Karina, D., Santi, I. H., & Puspitasari, W. D. (2024). Pengelompokan Data Status Pertanahan Letter C menggunakan Algoritma Partitioning Around Medoids Cluster ing Land Status Data in Letter C Using the Partitioning Around Medoids Algorithm. 12(3), 514–521. https://doi.org/10.26418/justin.v12i3.79285

Mulaab. (2021). Data Mining : Konsep dan Aplikasi. Media Nusa Creative. https://www.google.co.id/books/edition/Data_Mining_Konsep_dan_Aplikasi/X1FKEAAAQBAJ?hl=id&gbpv=0

Mustika, Ardila, Y., Manuhutu, A., Ahmad, N., Hasbi, I., Guntoro, Manuhutu, M. A., Ridwan, M., Hozairi, Wardhani, A. K., Alim, S., Romli, I., Religia, Y., Octafia, D. T., Sufandi, U. U., & Ernawati, I. (2021). Data Mining Dan Aplikasinya. Widina Bhakti Persada Bandung. https://www.google.co.id/books/edition/DATA_MINING_DAN_APLIKASINYA/53FXEAAAQBAJ?hl=id&gbpv=0

Nasution, A. L., & Fatonah, R. N. S. (2023). Klasifikasi Kondisi Peralatan Elektronik Metode Gaussian Naive Bayes (R. Habibi (ed.)). Penerbit Buku Pedia. https://www.google.co.id/books/edition/Klasifikasi_Kondisi_Peralatan_Elektronik/_nLJEAAAQBAJ?hl=id&gbpv=0

Novia, E. A., Rahayu, W. I., & Prianto, C. (2020). Sistem Perbandingan Algoritma K-Means Dan Naïve Bayes Untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan. Kreatif. https://www.google.co.id/books/edition/SISTEM_PERBANDINGAN_ALGORITMA_K_MEANS_DA/MND9DwAAQBAJ?hl=id&gbpv=0&kptab=overview

Santi, I. H., Febrinita, F., & Puspitasari, W. D. (2023). Engineering Design Business Process Modelling Letter C Land Data Archiving System with Software Requirement Specifications Approach. 6(4), 231–240.

Setiawan, E., Santi, I. H., & Budiman, S. N. (2022). Sistem Pengelolaan Dan Pengamanan Arsip Data Letter C Desa. Jurnal Mahasiswa Teknik Informatika), 6(2), 655–666.

Soepadi, H., & Widodo, P. H. (2021). Perancangan Sistem Informasi Pertanahan Buku C Desa. IC-Tech, 16(1), 1–11. https://ejournal.stmik-wp.ac.id/index.php/ictech/article/view/150

Sulianta, F. (2023). Basic Data Mining From A to Z. Feri Sulianta. https://www.google.co.id/books/edition/Basic_Data_Mining_from_A_to_Z/JcLhEAAAQBAJ?hl=id&gbpv=0

Sumarauw, S. J. A. (2022). Data Mining Model Self-Organizing Maps (SOMs). CV. Bintang Semesta Media. https://www.google.co.id/books/edition/Data_Mining_Model_Self_Organizing_Maps_S/nI6tEAAAQBAJ?hl=id&gbpv=0

Supriyadi, A., Triayudi, A., & Sholihati, I. D. (2021). Perbandingan Algoritma K-Means Dengan K-Medoids Pada Pengelompokan Armada Kendaraan Truk Berdasarkan Produktivitas. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 6(2), 229–240. https://doi.org/10.29100/jipi.v6i2.2008

Yuliana Sari, R., Oktavianto, H., & Wahyu Sulistyo, H. (2022). Algoritma K-Means Dengan Metode Elbow Untuk Mengelompokkan Kabupaten/Kota Di Jawa Tengah Berdasarkan Komponen Pembentuk Indeks Pembangunan Manusia. Jurnal Smart Teknologi, 3(2), 104–108.