PENERAPAN CLUSTERING DBSCAN UNTUK PERTANIAN PADI DI KABUPATEN KARAWANG
Abstract
Kabupaten Karawang merupakan salah satu kabupaten dengan hasil produksi padi tertinggi di Indonesia untuk kebutuhan pangan provinsi dan nasional, sehingga sering disebut sebagai kota lumbung padi.Kabupaten Karawang terdiri dari 30 kecamatan, masing-masing kecamatan memiliki luas lahan sawah yang berbeda luasnya, sehingga berbeda pula potensi produksi padi sawah yang bisa dipanen. Pemetaan yang dilakukan agar bisa menganalisis terkait karakteristik dari setiap kategori yang dibagikan. algoritma clustering yang diterapkan dalam penelitian ini adalah DBSCAN (Density-Based Spatial Clustering).Tujuan dari penelitian ini adalah menerapkan teknik clustering DBSCAN pada lahan pertanian padi di kabupaten Karawang, melakukan perbandingan evaluasi performa dari teknik clustering DBSCAN yang dilakukan pada penelitian ini.Penerapan teknik clustering DBSCAN (Density-Based Spatial Clustering of Application with Noise) pada lahan pertanian padi di kabupaten Karawang melalui beberapa tahapan penelitian,yaitu preprocessing, data mining, evaluasi cluster dan visualisasi melalui WEB-GIS. Algoritma DBSCAN diproses melalui R studio dengan bahasa pemrograman R dengan beberapa skenario eksperimen kombinasi masukan epsilon dan minPts. Perbandingan evaluasi performa dari teknik clustering DBSCAN (Density-Based Spatial Clustering of Application with Noise) dilakukan dengan memperhatikan nilai dari average silhoutte width. Besarnya tingkat skor silhoutte menunjukkan kualitas cluster yang terbentuk. Hasil eksperimen pada penelitian ini menunjukkan skor hasil tertinggi 0,74 dengan dua cluster.
Keywords
Full Text:
PDFReferences
L. M. Furqon, Muhammad Tanzil, “Clustering The Potential Risk Of Tsunami Using Density-Based Spatial Clustering Of Applic ....,” J. Environ. Eng. Sustain. Technol., vol. Vol. 03 No, no. August, pp. 1–8, 2016.
A. Yuwono, Y. Oslan, S. Kom, and D. D. Dwijono, “Implementasi Metode Density Based Spatial Clustering Of Applications With Noise Noise Border Core Eps = 1cm MinPts = 5.”
N. Made, A. Santika, I. K. Gede, D. Putra, and I. M. Sukarsa, “Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan,” vol. 6, no. 3, pp. 185–191, 2015.
I. U. Dede Nofrianda Utama, Fhira Nhita, “Implementasi Density Based Clustering menggunakan Graphics Processing Unit (GPU),” e-Proceeding Eng., vol. 2, no. 3, pp. 7905–7912, 2015.
P. Silitonga, “Analisis Pola Penyebaran Penyakit Pasien Pengguna Badan Penyelenggara Jaminan Sosial (Bpjs) Kesehatan Dengan Menggunakan Metode Dbscan Clustering,” J. TIMES, vol. V, no. 1, pp. 36–39, 2016.
R. Herteno, “Visualisasi Secara Spasial Cluster Kerusakan Sarana dan Prasarana Sekolah,” vol. 8, no. 2, pp. 61–68, 2016.
J. Zhang, “Web Geospatial Visualisation For Clustering Analysis Of Epidemiological Data,” no. December, 2014.
P. J. Rousseeuw. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Computational and Applied 8Mathematics, 20:53–65, 19
DOI: http://dx.doi.org/10.26798/jiko.v4i1.178
Article Metrics
Abstract view : 3673 timesPDF - 2470 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2019 Betha Nurina Sari, Aji Primajaya