SISTEM INFORMASI GEOGRAFIS (SIG) DALAM MENENTUKAN …

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



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.



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



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



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



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:



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.



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.

Documents

SISTEM INFORMASI GEOGRAFIS (SIG) DALAM MENENTUKAN …