Pengelompokan Data Karakteristik Lahan Menggunakan Algoritma Improved K – Means Clustering
| Main Author: | Sriningsih |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147331/1/SriNingsih_-_Pengelompokan_Data_karakteristik_Lahan_Mengguna.pdf http://repository.ub.ac.id/147331/ |
Daftar Isi:
- Tanah merupakan salah satu unsur paling penting bagi sumber daya lahan khususnya lahan yang digunakan untuk bidang pertanian. Setiap tahunnya, para peneliti baik perorangan maupun instansi melakukan pengumpulan data mengenai tanah. Data-data tersebut disimpan dalam bentuk data karakteristik lahan yang termasuk di dalamnya sifat fisik dan sifat kimia tanah. Namun permasalahan yang terjadi selama ini jumlah data karakteristik lahan yang dikumpulkan semakin bertambah tetapi hanya digunakan untuk menyajikan gambaran umum lokasi tanpa adanya pendayagunaan lebih lanjut. Oleh karena itu, diperlukan adanya solusi untuk mengoptimalisasi data karakteristik lahan yang telah diperoleh, sehingga dari data tersebut dapat menghasilkan informasi atau pengetahuan baru bagi para peneliti, institusi, dan petani. Informasi yang dihasilkan dapat menjadi rekomendasi untuk meningkatkan produktivitas lahan khusunya lahan yang akan digunakan untuk pertanian. Perkembangan teknologi saat ini telah menghasilkan salah satu disiplin ilmu yang dapat membantu proses penggalian informasi atau pengetahuan baru yang dikenal dengan teknik data mining. Data mining memiliki beberapa fungsi yang digunakan untuk melakukan penggalian dan menemukan informasi atau pengtahuan baru dari data yang tersedia. Salah satu fungsi dalam data mining yang sering digunakan adalah pengelompokan atau klasterisasi (Clustering). Penelitian ini menerapkan data mining untuk melakukan pengelompokan atau clustering terhadap data karakteristik lahan dengan menggunakan algoritma improved k-means. Data karakteristik lahan yang digunakan berjumlah 8 meliputi PH H2O, Kapasitas Tukar Kation (KTK), Tekstur tanah, Kejenuhan Basa, C-Organik, Natrium (N), Posfor (P), Kalium (K) dengan jumlah data sebesar 591. Hasil Penelitian menunjukkan pengelompokan data karakteristik lahan dapat dilakukan menggunakan algoritma improved k–means dengan nilai jumlah cluster yang terbaik dimasukkan yaitu sebesar 19 dan jumlah cluster terbaik yang dihasilkan sebesar 15 dengan nilai kualitas cluster hasil pemetaan sebesar 0.72292 (86,15%) pada data karakteristik lahan berjumlah 591 data yang terdiri dari 8 atribut. Sedangkan nilai Silhouette coefficient yang dihasilkan oleh algoritma k-means biasa sebesar 0,64604 atau sebesar (82,30%) dengan nilai jumlah cluster terbaik yang dimasukkan sebesar 21. Pengujian menggunakan jumlah data yang berbeda menghasilkan nilai Silhouette coefficient terbaik sebesar 0,73313 dengan jumlah data 450.