Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
605 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
SISTEM INFORMASI GEOGRAFIS (SIG) DALAM MENENTUKAN LAHAN SINGKONG
YANG BAIK MENGGUNAKAN METODE K-MEANS
Dedi Ruslan1, Muhsi
2, Yuri Efenie
3
1Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Madura
Jl. PP. Miftahul Ulum Bettet, Pamekasan 69351, Madura
Telp. (0324) 32178, 331084
E-mail:[email protected], [email protected]
ABSTRAKS
Singkong merupakan makanan alternative selain padi yang byak diminati. Dengan cara pengolahan yang tepat,
singkong dapat diolah menjadi produk yang bernilai jual tinggi. Untuk memaksimalkan hasil singkong yang benar-
benar unggul, penanaman, pemeliharaan dan pemanenan singkong harus dilakukan dengan benar. Salah satu yang
berpengaruh dalam hal tersebut adalah media penanaman singkong. Singkong harus ditanam ditanah yang cocok.
Dari semua daerah yang ada di kecamatan Pakong, terdapat beberapa daerah yang benar-benar cocok untuk ditanami
singkong. Namun tidak semua orang dapat menentukan dengan cepat dan tepat daerah yang dimaksud, Untuk itu
diperlukan suatu sumber informasi yang dapat memetakan daerah yang cocok untuk penanaman singkong. Dari hasil
pengujian diketahui bahwa daerah yang tidak cocok untuk ditanami singkong adalah Sana Laok, Dempo Timur,
Proppo, dan Pasean. Sedangkan lahan yang cocok untuk ditanami singkong adalah Batu Marmar, Trasak, Pakong,
Pamoroh, Bengkes dan Kadur.
Kata Kunci: Pamekasan, singkong, SIG,
1. PENDAHULUAN
Singkong dapat ditanam pada semua periode
waktu. Namun untuk menghasilkan singkong dengan
kualitas terbaik, singkong harus di tanam pada tanah
yang cocok. Singkong atau ketela pohon merupakan
jenis makanan sumber karbohidrat. Sehingga singkong
dapat juga dijadikan sebagai bahan untuk makanan/nasi.
Namun singkong masih dianggap sebagai
bahan makanan kedua setelah beras. Singkong masih
dianggap sebagai makanan ‗orang miskin‘. Padahal jika
diolah dengan benar dan kreatif, singkong dapat
menjadi salah satu alternative mengatasi masalah
pangan di Indonesia. Dengan memanfaatkan ilmu
pengetahuan dan teknologi, singkong dapat memiliki
varietas yang beragam dan unggul. Varietas unggul ini
dapat dimanfaatkan untuk memperoleh nilai jual yang
tinggi.
Untuk memaksimalkan hasil singkong yang
benar-benar unggul, penanaman, pemeliharaan dan
pemanenan singkong harus dilakukan dengan benar.
Salah satu yang berpengaruh dalam hal tersebut adalah
media penanaman singkong. Singkong harus ditanam
ditanah yang cocok.
Dari semua daerah yang ada di kecamatan
Pakong, terdapat beberapa daerah yang benar-benar
cocok untuk ditanami singkong. Namun tidak semua
orang dapat menentukan dengan cepat dan tepat daerah
yang dimaksud,
Fakta di atas merupakan salah satu masalah
yang dihadapi oleh petani saat ini. Oleh karenanya, guna
membantu mempercepat dan mempermudah serta
mengurangi kesulitan di dalam proses pengambilan
keputusan, diperlukan suatu bentuk sistem pendukung
keputusan (Decision Support System). Penentuan tanah
yang cocok untuk tanaman singkong didasarkan pada
kondisi tanah. Dengan menanam singkong di tanah yang
benar-benar cocok, akan dihasilkan singkong dengan
kualitas yang bagus.Sehingga dapat meningkat nilai
ekonomis singkong. Masyarakat dapat menjadikan
singkong sebagai bahan dasar pangan. Singkong kaya
akan karbohidrat sehingga dapat digunakan sebagai
pengganti beras. Singkong memiliki harga yang murah
dan perawatan yang mudah. Selain itu, singkong dapat
diolah menjadi olahan kue dan jajanan yang beraneka
ragam. Hal ini berbeda dengan padi yang hanya sebagai
makanan pokok / nasi saja.
Model yang digunakan dalam sistem
pendukung keputusan ini adalah k means klastering.
Metode ini dipilih karena metode ini dapat dengan tegas
membedakan antara data satu dengan data lainnya.
Sehingga dalam metode ini, data jelas masuk ke satu
himpunan saja. Berdasarkan latar belakang
permasalahan di atas, maka penulis membuat tugas
akhir dengan judul Sistem Informasi Geografis (SIG)
Dalam Menentukan Lahan Singkong yang Baik
Menggunakan Metode K Means.
2. LANDASAN TEORI
2.1 Sistem Informasi Geografis
SIG (Sistem Informasi Geografis) atau
dikenal pula dengan GIS (Geographical Information
System) merupakan suatu istilah dalam bidang pemetaan
yang memiliki ruang lingkup mengenai bagaimana
suatu sistem dapat menghubungkan objek geografis
dengan informasinya.
2.1.1 Komponen Utama SIG
Dalam merancang SIG dibutuhkan 3
komponen utama sistem komputer, data geospasial serta
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
606 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
pengguna. Ketiganya saling berhubungan seperti pada
gambar berikut:
Gambar 2.1 Komponen utama SIG
2.1.2 SIG Berbasis Web
Sistem Informasi Geografis telah berkembang
dari segi keragaman aplikasi dan juga media.
Pengembangan aplikasi SIG kedepannya mengarah
kepada aplikasi berbasis Web yang dikenal dengan Web
SIG. Hal ini hali ini disebabkan karena pengembangan
aplikasi di lingkungan jaringan telah menunjukan
potensi yang besar dalam kaitannya dengan inforamasi
geografis [6]. Sebagai contoh adalah adanya peta online
interaktif sebuah kota, yang memindahkan pengguna
dalam mencari informasi geografis terkini yang terdapat
pada kota tersebut, tanpa menganal batas lokasi
geografis pengguna.
Pada aplikasi SIG berbasis web, teradapat
beberapa komponen yang saling berinteraksi.
Komponen–komponen tersebut bias saja terdapat pada
beberapa lokasi pada jaringan. Oleh karena itu pada SIG
berbasis web, diperlukan adanya server. Arsitektur dari
web SIG dapat dilihat pada gambar berikut
Gambar 2.2 Arsitektur Global Berbasis Web
2.2. Singkong
Singkong yang juga dikenal sebagai ketela
pohon atau ubi kayu, adalah pohon tahunan tropika dan
subtropika dari keluarga Euphorbiaceae. Umbinya
dikenal luas sebagai makanan pokok penghasil
karbohidrat dan daunnya sebagai sayuran.
Tanaman Singkong tumbuh optimal pada
daerah dengan ketentuan sebagai berikut:
1. Ketinggian tanah santara 10-700 m dpl.
2. Tanah yang berstruktur remah, gembur, tidak liat
juga tidak poros.
3. Kaya akan unsur hara.
4. Jenis tanah yang sesuai adalah tanah alluvial,
latosol, podsolik merah kuning, mediteran,
grumosol dan andosol.
5. PH yang dibutuhkan antara 4,5-8, dan untuk pH
idealnya adalah 5,8.
6. Curah hujan yang yang diperlukan antara 1.500 –
2500 mm/tahun.
7. Kelembaban udara optimal untuuk tanaman
antara 60%-65%.
8. Suhu udara minimal 10‘C.
9. Kebutuhan akan sinar matahari sekitar 10 jam
tiap hari. Hidup tanpa naungan.
2.5 Metode K-Means
Metode k-means pertama kali diperkenalkan
oleh MacQueen JB pada tahun 1976. Metode ini adalah
salah satu metode non hierarchi yang umum digunakan.
Metode ini termasuk dalam teknik penyekatan
(partition) yang membagi atau memisahkan objek ke k
daerah bagian yang terpisah.
Metode ini mempartisi data ke dalam
cluster/kelompok sehingga data yang memiliki
karakteristik yang sama dikelompokkan ke dalam satu
cluster yang sama dan data yang mempunyai
karakteristik yang berbeda dikelompokkan ke dalam
kelompok yang lain.
Digunakan algoritma k-means yang di
dalamnya memuat aturan sebagai berikut:
c. Jumlah cluster yang diinginkan.
d. Hanya memiliki atribut bertipe numerik.
Kelebihan metode k-means diantaranya adalah
mampu mengelompokan objek besar dan pencilan objek
dengan sangat cepat sehingga mempercepat proses
pengelompokan. Adapun kekurangan yang dimiliki oleh
k-means diantaranya:
6. Sangat sensitif pada pembangkitan titik pusat
awal secara random.
7. Memungkinkan suatu gerombol tidak
mempunyai anggota.
8. Hasil pengelompokan bersifat tidak unik (selalu
berubah-ubah) terkadang bagus terkadang tidak.
9. Sangat sulit mencapai global optimum.
10. Algoritma k-means clustering walaupun proses
pengerjaannya cepat tetapi keakuratannya tidak
dijamin.
Adapun tujuan dari data clustering ini adalah
untuk meminimalisasikan objective function yang diset
dalam proses clustering, yang pada umumnya berusaha
meminimalisasikan variasi di dalam suatu cluster dan
memaksimalisasikan variasi antar cluster. Data
clustering menggunakan metode K-Means ini secara
umum dilakukan dengan algoritma dasar sebagai
berikut:
a) Tentukan jumlah cluster.
b) Alokasikan data ke dalam cluster secara
random.
c) Hitung centroid/rata-rata dari data yang ada di
masing-masing cluster.
d) Alokasikan masing-masing data ke
centroid/rata-rata terdekat.
e) Kembali ke Step 3, apabila masih ada data yang
berpindah cluster atau apabila perubahan nilai
centroid ada yang di atas nilai threshold yang
ditentukan atau apabila perubahan nilai pada
objective function yang digunakan di atas nilai
threshold yang ditentukan.
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
607 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
3. METODOLOGI PENELITIAN
3.1. Lokasi Penelitian
Lokasi penelitian adalah kecamatan Pakong.
Pengamatan dan nilai lokasi di dasarkan pada kondisi
pada bulan april 2015.
3.2. Data dan Peralatan
3.2.1. Data
G. Data Primer
Merupakan data yang diperoleh secara
langsung ke sumber. Dalam hal ini data primer
adalah data lokasi dan nilai lokasi lahan
singkong untuk tiap kriteria.
H. Data Sekunder
Merupakan data yang diperoleh secara tidak
langsung.data tersebut adalah data peta dan
data criteria penentuan lokasi lahan singkong.
3.2.2. Peralatan
G. Hardware
Peralatan hardware yang dibutuhkan adalah
computer dengan spesifikasi minimal Pentium
IV.
H. Software
Adapun software yang dibutuhkan dalam
pembuatan tugas akhir ini adalah:
7. System operasi windows xp
8. Pemrograman php dan mysql
3.3. Metode Penelitian
3.3.1. Rancangan Sistem
3. Rancangan User
Home peta Admin
Gambar 3.1. Rancangan User
4. Rancangan Admin
Username
Password
Login Reset
Menu admin
Gambar 3.2. Rancangan admin
3.3.2. Data Flow Diagram (DFD)
Admin User
Sig pemilihan lahan
singkong menggunakan
metode k means
Memasukkan data kriteria
Hasil penilaian
Hasil penilaian Memasukkan data lokasi lahan
Memasukkan data lahan
Melakukan penilaian lahan
Memasukkan data peta
Data peta
Gambar 3.3. Data Flow Diagam (DFD)
3.3.4. Flowchart Algoritma K-Means
Flowchart atau diagram alir merupakan sebuah
diagram dengan simbol-simbol grafis yang menyatakan
aliran alogritma atau proses yang menampilkan
langkah-langkah yang disimbolkan dalam bentuk kotak,
beserta urutannya dengan menghubungkan masing-
masing langkah tersebut menggunakan tanda panah.
Mulai
Input data
kriteria
Menentukan pusat klaster awal
Menentukan jarak data ke pusat
klaster awal
Input nilai
kriteria
Keluaran Nilai
Awal Data
Menentukan pusat klaster baru
Nilai Keluaran
Konvergen?
Selesai
Nilai Data
Tidak
Ya
Gambar 3.4 Flowchart Algoritma K-Means
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
608 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
3.3.5. Flowchart Sistem Mulai
Menu Utama
Menu Home
Menu Info
Lokasi?
Menu Hasil?
Selesai
Menu Admin?
Tampilkan Menu
Info Lokasi
Tampilkan Menu
Hasil
Tampilkan Menu
Admin
Ya
Tidak
Ya
Ya
Tidak
Tidak
Gambar 3.5. Flowchart Sistem
4. IMPLEMENTASI DAN ANALISA SISTEM
4.4 Menu User
4.1.1. Menu Home
Gambar 4.1 Menu Home
4.1.2 Menu Peta
Gambar 4.2 Menu Peta
4.1.3. Menu Kontak
Gambar 4.3. Menu Kontak
4.2. Menu Admin
Gambar 4.4 Proses Login
Gambar 4.5. Login Berhasil
Gambar 4.6 Menu Admin
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
609 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
4.2.1. Menu Input Data Home
Gambar 4.7 Menu Input Data Home
4.2.2. Menu Input Kriteria
Gambar 4.8. Menu Input Kriteria
Menu ini berguna untuk memasukkan data
kriteria yang digunakan untuk melakukan proses
penilaian menggunakan metode K-Means. Kriteria yang
digunakan ada lima seperti ditunjukkan pada
Tabel 4.1. di bawah ini.
No Kriteria Rentang Nilai
1 PH 4 – 8
2 Curah Hujan (mm/tahun) 1500 – 2500
3 Kelembaban Udara (%) 60 – 65
4 Suhu Udara (‘C) 10 – 30
5 Ketinggian Tanah (m dpl) 10 – 700
4.2.3. Input Gambar Lokasi
Gambar 4.9. Input Gambar Lokasi
4.2.4. Input Data Peta
Gambar 4.10 Input Data Peta
Gambar 4.11 Nilai Lokasi untuk tiap Kriteria
Nilai lokasi untuk tiap criteria
ditunjukkan pada Tabel 4.2. di bawah ini.
Tabel 4.2. Nilai kriteria Lokasi
Nama
PH
Cura
h
Huja
n
Kelemba
ban
udara
Suhu
Udar
a
Ketinggi
an
Tanah
Batu
Marmar 5 2000 60 10 500
Sana
Laok 6 1600 65 15 600
Pasea
n 5 1800 60 10 400
Trasa
k 7 1700 60 10 300
Pasea
n 5 2000 65 20 600
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
610 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
Gambar 4.12.Nilai Lokasi
Nilai lokasi untuk tiap criteria yang telah
dimasukkan kemudian diolah dengan menggunakan
metode K-Means. Adapun langkah-langkah perhitungan
pada iterasi pertama sebagai berikut:
1. Menentukan nilai lokasi untuk tiap criteria.
Nilai lokasi yang telah dimasukkan ke dalam
system ditunjukkan pada Gambar 4.9. diatas.
2. Menentukan pusat klaster awal
Pada penelitian ini, pusat klaster awal adalah data
ke-1 dan data ke-2.
Data ke-1 = 5, 2000, 60, 10, 500
Data ke-2 = 6, 1600, 65, 15, 600
Jumlah klaster yang digunakan pada penelitian ini
berjumlah dua yaitu klaster cocok dan klaster tidak
cocok.
3. Menghitung nilai jarak tiap data ke pusat klaster
C. Jarak data ke pusat klaster 1
Jarak data ke pusat klaster 2
Hasil perhitungan jarak data ke pusat klaster di
tunjukkan pada Gambar 4.13. di bawah ini.
Gambar 4.13 Nilai Jarak Data
4. Mengelompokkan data berdasarkan jarak data ke
pusat klaster
Pada proses ini dilakukan proses perbandingan
antara data pada klaster 1 dan pada klaster 2. Jarak
data paling kecil diberi nilai 1 dan data lainnya
bernilai 0. Pada data ke-1 nilai data pada klaster 1
(Cocok) bernilai 0 dan nilai data pada klaster 2
(Tidak Cocok) bernilai 412,372. Maka pada
pengelompokkan data, data ke-1 pada klaster 1 akan
bernilai 1 dan klaster 2 akan bernilai 0 karena data
pada klaster 1 lebih kecil dibandingkan dengan nilai
data pada klaster 2. Hasil pengelompokkan data
ditunjukkan pada Gambar 4.14. di bawah ini.
Gambar 4.14. Pengelompokkan data
5. Membentuk pusat klaster yang baru
Pada pengelompokkan data, klaster 1 (Cocok) ada
pada data Batu Marmar, Pasean dan Trasak.
Sedangkan klaster 2 (Tidak Cocok) ada pada data
Sana Laok dan Proppo. Pusat data klaster dihitung
dengan cara sebagai berikut:
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
611 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
C. Klaster 1 (Cocok)
D. Klaster 1 (Tidak Cocok)
Gambar 4.15. Nilai Pusat Klaster baru
Nilai pusat klaster yang baru ini akan
menjadi pusat klaster acuan untuk proses
selanjutnya yang dihitung dengan cara dan
langkah perhitungan yang sama.
Untuk melanjutkan ke iterasi selanjutnya, admin dapat
mereload system. Jika nilai pengelompokkan data tidak
mengalami perubahan, maka system sudah konvergen.
Hasil nilai akhir ditunjukkan pada Gambar 4.16. di
bawah ini.
Gambar 4.16. Nilai Akhir Lokasi
Selanjutnya data yang diperoleh akan
disimpan untuk dapat digunakan pada proses
pemetaan.
Gambar 4.17. Penyimpanan Data
4.2.5. Data Komunikasi
Gambar 4.18 Menu Data Komunikasi
Menu ini akan menampilkan informasi yang
disampaikan oleh user. Admin dapat mengahpus dan
mengedit data dengan meneka tombol silang dan
centang.
5. PENUTUP
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil dari
pembahasan sebelumnya adalah:
8. Untuk dapat melakukan penilaian dengan tepat,
diperlukan pengatahuan yang tepat dengan
criteria yang digunakan.
SEMINAR NASIONAL HUMANIORA DAN APLIKASI TEKNOLOGI INFORMASI (SEHATI) 2015
612 Prosiding SEHATI 2015 Vol. I Copyright©Sehati2015 ISSN: 2477-0078
9. Dari hasil pengujian diketahui bahwa daerah
yang tidak cocok untuk ditanami singkong
adalah Sana Laok, Dempo Timur, Proppo, dan
Pasean. Sedangkan lahan yang cocok untuk
ditanami singkong adalah Batu Marmar,
Trasak, Pakong, Pamoroh, Bengkes dan Kadur.
5.2 Saran
Adapun saran untuk dapat pengembangan
sistem adalah:
6. Dapat menggunakan metode lain sebagai
pembanding untuk mengetahui keakuratan
perhitungan.
7. Sistem dapat diaplikasikan ke bidang yang
lain.
DAFTAR PUSTAKA
Sumber Data, Dinas Pertanian. Pamekasan.
Prahasta, E. 2002. Konsep – Konsep Dasar Sistem
Informasi Geografis. Bandung: Informatika
Dharmaputeri, E. 2007. Aplikasi Sistem Informasi
Geografis Pelayanan Kesehatan Kota Depok
Berbasis Web Menggunakan Kuntum GIS. Univ.
Guna darma: Sistem Informasi
Karabegovic, A. Applications of Fuzzy Logic in
Geographic Information Sistems for Multiple
Kriteria Decision Making
Wibowo, M. A. 2010. Perancangan Sistem Informasi
Geografis Penentuan Jalur Jalan Optimum
Menggunakan Metode Dijkstra Kota Yogyakarta
Berbasis Web (TA) – Jurusan Teknik Informatika:
Sekolah Tinggi Informatika dan Komputer
Amikom.Yogyakarta.
Aini. A. Sistem Informasi Geografis dan Aplikasinya.
Sekolah Tinggi Informatika dan Komputer
Amikom.Yogyakarta.
Widiatmoko. Y., Wahid. F. 2006. Aplikasi Web Data
Spansial Kepndudukan Indonesia Dengan Scalable
Vector Graphics (SVG). Media Informatika, Vol. 4,
No. 1. , hal. 27-37.