Implementasi Algoritma K-Means Dalam Penentuan Prioritas Rehabilitasi Daerah Aliran Sungai Cipunagara

Odi Nurdiawan, Fidya Arie Pratama

Abstract


Kekeringan salah satu kejadian yang sering terjadi pada wilayah indramayu bagian barat, rehabilitasi daerah aliran sungai menjadi salah satu alternatif. Lahan lahan wilayah subang - indramayu dalam keadan kritis, maka perlu dilakukan pengelompokan wilayah lahan kritis menggunakan algoritma k-means, sehingga mudah dalam menentukan prioritas rehabilitasi daerah aliran sungai. Penelitian ini dibagi menjadi 3 tahap diantaranya Tahap 1 (Satu) pada tahap penelitian ini menentukan objek penelitian, yang akan dijadikan objek yaitu kelompok budidaya pertanian dan Bina Pengelola Daerah Aliran Sungai, kemudian dilakukan rumusan masalah. Tahap 2 (Dua) mengumpulkan data primer yang akan dilakukan pre-processing. Tahap 3 (Tiga) penerapan algoritma k-means dan Parameter data yang berpengaruh dalam menentukan tingkat kekritisan lahan yaitu skor penutupan lahan, skor lereng, skor erosi, skor produktivitas dan skor manajemen. Sehingga diketahui kelompok wilayah lahan kritis yang tinggi. Hasil penelitian ini  rehabilitasi daerah aliran sungai cipunagara dengan menggunakan metode algoritma k-means dapat menghasilkan kumpulan cluster dengan indeks Davies-Bouldin terkecil kumpulan cluster terbaik adalah cluster_1 dengan nilai 1886.707.

Keywords


Daerah Aliran Sungai, Algoritma K-Means Clustering, Lahan Kritis

Full Text:

PDF

References


Larose , Daniel T, 2005, Discovering Knowledge in Data: An Introduction to Data Mining, John Willey & Sons. Inc

Agusta, Y. 2007. K-means - Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika Vol. 3 (Februari 2007): 47-60.

Kementerian Kehutanan. 2013. Peraturan Direktur Jenderal Bina Pengeloaan Daerah lauran Sungai dan Perhutanan Sosial Nomor : P 4/V-Set/2013 tentang Petunjuk Teknis Penyusunan Data Spasial Lahan Kritis. Jakarta (ID) : Kemenhut

Peraturan Direktur Jendral Bina Pengelolaan Daerah Aliran Sungai dan Perhutanan Sosial Nomor. P.4/V-Set/2013. Petunjuk Teknis Penyusunan Data Spasial Lahan Kritis. Jakarta: BPDASPS

Peraturan Menteri Kehutanan Nomor. P.32/Menhut-II/2009. Petunjuk Teknis Penyusunan Data Spasial Lahan Kritis. Jakarta: Kementrian Kehutanan.

Poerwowidodo. 1990. Telaah Kesuburan Tanah. Bamdung: Angkasa

Hanifah, K. A., 2012. Dasar-dasar Ilmu Tanah. Penerbit PT Raja Grafindo Persada. Jakarta.

Arsad, Sitanala. 1989. Konservasi Tanah dan Air.Bogor: IPB Press

Hardjowigeno, S. 2007. Ilmu Tanah. Jakarta: Akademika Pressindo. 296 Halaman

Hardjowigeno, S., Subagyo, H., dan Luthfi, R.M. 2004. Morfologi dan Klasifikasi Tanah Sawah. Di dalam: Tanah Sawah dan Teknologi pengelolaannya. Pusat Penelitian Tanah dan Agroklimat. Departemen Pertanian : Bogor.

Hardjowigeno, S. dan M. L. Rayes. 2005. Tanah Sawah Karakteristik, Kondisi dan Permasalahan Tanah Sawah di Indonesia. Bayumedia Publishing. Malang.

Sunarto. 1991. Geomorfologi Pantai. Pusat Antar Universitas Ilmu Teknik UGM. Yogyakarta

Sarief, S. 1980. Fisika Tanah Dasar. Serial Publikasi Ilmu-ilmu Tanah. Fakultas Pertanian. Universitas Padjajaran:Bandung. 120 hal.

Utomo, W.H. 1989. Erosi dan Konservasi Tanah, IKIP Malang, Malang.

Turban, Efraim, et al. 2005. Decision Support Systems and Intelligent Systems 7th Ed. New Jersey : Pearson Education

Madhulatha, T.S., 2012. AN OVERVIEW ON CLUSTERING METHODS. IOSR Journal of Engineering, II(1), pp.719-25

HUNG, C.M., WU, J., CHANG, J.H. & YANG, D.L., 2005. An Efficient k-Means Clustering Algorithm Using Simple Partitioning. JOURNAL OF INFORMATION SCIENCE AND ENGINEERING, XXI(1), pp.1157-77.

Bataineh, K.M., Naji, M. & Saqer, M., 2011. A Comparasion Study between Various Fuzzy Clustering Algorithms. Jordan Journal of Mechanical and Industrial Engineering , V(4), pp.335-43.

Varghese, B.M., J, J.T., A, U. & K, J.P., 2011. Clustering Student Data to Characterize Performance Patterns. International Journal of Advanced Computer Science and Applications, I(3), pp.138-40.

Bangoria, B., Mankad, N. & Pambhar, V., 2013. A Survey on Efficient Enhanced K-Means Clustering Algorithm. International Journal for Scientific Research & Development, I(9),pp.1698-700.

Ediyanto, Mara, M.N. & Satyahadewi, N., 2013. Pengklasifikasian Karakteristik Dengan Metode K-Means Cluster Analysis. Buletin Ilmiah Mat. Stat. dan Terapannya , II(2), pp.133-36.




DOI: https://doi.org/10.30743/infotekjar.v4i1.1633

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Odi Nurdiawan, Fidya Arie Pratama

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

Program Studi Teknik Informatika - Universitas Islam Sumatera Utara
Website : http://jurnal.uisu.ac.id/index.php/infotekjar/index
Email : infotekjar@ft.uisu.ac.id

InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan) is licensed under a Creative Commons Attribution 4.0 International License