Klasterisasi Wilayah Distribusi Beras Miskin dengan Metode Density Based Clustering dan Geographic Information System (GIS) (Studi Kasus di Perusahaan Umum Bulog Sub Divre Bojonegoro)
| Main Authors: | Amru, Muhammad Faisal, Aunur Rofiq Mulyarto,, STP., M.Sc, Arif Hidayat,, STP., M.AIT, PhD |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/189540/1/175100301111052%20-%20Muhammad%20Faisal%20Amru.pdf http://repository.ub.ac.id/id/eprint/189540/ |
Daftar Isi:
- Beras miskin (raskin) merupakan program yang diselenggarakan oleh pemerintah yang telah berjalan rutin sejak tahun 1998 dengan tujuan untuk membantu masyarakat miskin yang termasuk dalam kategori rawan pangan dalam memperoleh kebutuhan pokok (beras) guna memenuhi kebutuhan rumah tangganya. Perusahaan Umum Badan Usaha Logistik (Perum Bulog) merupakan salah satu Badan Usaha Milik Negara (BUMN) yang bergerak di bidang logistik pangan yang mengemban tanggung jawab dalam pelaksanaan distribusi bahan pangan seperti raskin ke berbagai wilayah di Indonesia. Pendistribusian raskin dilakukan dibawah tanggungjawab Perum Bulog guna menjamin keberhasilan pelaksanaannya, koordinasi serta sinkronasi antar seluruh elemen yang terlibat diperlukan dalam mendukung keberhasilan pendistribusian raskin. Permasalahan pendistribusian raskin pada Perum Bulog Sub Divre Bojonegoro yaitu terjadinya keterlambatan proses distribusi raskin yang diakibatkan oleh banyaknya jumlah titik distribusi pada wilayah kerja dengan jumlah permintaan yang tidak merata pada setiap titik distribusi, selain itu keterbatasan kapasitas armada pengangkut juga memberikan pengaruh pada proses distribusi. Tujuan dari penelitian ini yaitu menentukan klasterisasi wilayah distribusi raskin pada wilayah kerja Perum Bulog Sub Divre Bojonegoro sehingga proses distribusi lebih efisien. Metode yang digunakan dalam melakukan klasterisasi wilayah distribusi beras miskin yaitu Density Based Clustering with Noise (DBSCAN) dan Geographic Information System (GIS). Density Based Clustering with Noise berguna dalam proses klasterisasi menggunakan kepadatan data yang terkoneksi (density-connected). GIS berguna dalam melakukan proses visualisasi hasil klasterisasi berupa peta informasi. Metode Density Based Clustering with Noise dipilih karena dapat memperoleh klaster dengan bentuk sembarang, dapat mengetahui informasi tentang noise dan hanya memerlukan dua parameter tanpa membutuhkan informasi jumlah klaster yang akan dibentuk. Sedangkan penggunaan GIS dipilih karena dapat memberikan informasi yang lebih rinci guna mempermudah pemahaman peta. Klasterisasi wilayah distribusi beras miskin menggunakan metode Density Based Clustering with Noise diperoleh hasil yang optimum dengan menggunakan nilai MinPts sebesar 1 dan nilai Eps sebesar 3. Pada klaserisasi tersebut diperoleh hasil berupa jumlah klaster sebanyak 4 klaster, jumlah noise sebanyak 10 dan nilai silhouette coefficient sebesar 0,399. Klasterisasi menggunakan metode Density Based Clustering with Noise diperoleh hasil persebaran data yang hanya berpusat pada salah satu klaster dengan bentuk klaster yang dihasilkan berbentuk sembarang (arbitrary). Visualisasi hasil klasterisasi wilayah distribusi beras miskin menggunakan ArcGIS dihasilkan berupa peta klasterisasi wilayah dengan penambahan beberapa fitur.Visualisasi menggunakan peta tersebut mempermudah proses pemahaman terkait hasil dari klasterisasi yang telah dilakukan. Sehingga peta klaserisasi wilayah distribusi tersebut dapat membantu strategi proses distribusi produk menggunakan klasterisasi wilayah distribusi kedepannya