Sriningsih (2016) Pengelompokan Data Karakteristik Lahan Menggunakan Algoritma Improved K – Means Clustering. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Land is one of the most important elements for land resources, especially land used for agriculture. Each year, researchers in both individuals and institutions collecting data about land. The data is stored in data form and land characteristics including physical and chemical properties of the soil. However, the problems that occurred during this amount of land characteristics data collected is increasing but is only used to present a general overview of the location without further utilization. Therefore, it is necessary to have a solution to optimize characteristics land data that has been acquired, so that from these data may generate new information or knowledge for researchers, institutions and farmers. The resulting information could be recommendations for improving land productivity especially land to be used for agriculture. The development of technology has now resulted in one of the disciplines that can help the process of extracting information or new knowledge, known as data mining techniques. Data mining has several functions that are used to carry out excavations and discovered new information or knowledge of the available data. One of the functions of data mining that is often used is the grouping or clustering. This research applies data mining to perform grouping or clustering to the data characteristics of the land by using improved k-means algorithm. Land characteristics data used were 8 includes PH H2O, cation exchange capacity (CEC), soil texture, Base saturation, C-Organic, Sodium (N), phosphorus (P), Potassium (K) with the amount of data at 591. Research shows a breakdown of land characteristic data can be performed using improved algorithm k - means the value of the best cluster number entered is 19 and the best number of clusters generated by 15 with value of quality cluster mapping results of 0.72292 (86.15%) using characteristic data land amounted to 591 consisting of eight attributes. While the Silhouette coefficient values generated by k-means algorithm of 0.64604 or equal to (82.30%) with the best cluster number is entered at 21. Tests using different amounts of data produce the best coefficient value of 0.73313 Silhouette with the amount of data 450.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/115/051700183 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Kustati |
Date Deposited: | 09 Feb 2017 12:12 |
Last Modified: | 22 Oct 2021 03:11 |
URI: | http://repository.ub.ac.id/id/eprint/147331 |
Preview |
Text
SriNingsih_-_Pengelompokan_Data_karakteristik_Lahan_Mengguna.pdf Download (7MB) | Preview |
Actions (login required)
![]() |
View Item |