Penerapan Metode K-Means Clustering Untuk Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Di Kota Malang Berbasis Website

Vernanda, Arninda Agnes; Faisol, Ahmad; Vendyansyah, Nurlaily

doi:10.36040/jati.v5i2.3791

Cited by 4 publications

(4 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian selanjutnya oleh Vernanda membahas penerapan clustering dengan algoritma k-means untuk pemetaan daerah jalan rawan kecelakaan lalu lintas menjadi tiga klaster. Penelitian tersebut menghasilkan kelompok jalan cukup rawan, rawan, dan sangat rawan [7]. Penelitian selanjutnya oleh Nabila menerapkan algoritma k-means untuk menghasilkan pengelompokan pada kasus Covid-19 di Provinsi Lampung dengan hasil dari kedua perhitungan per akhir bulan menghasilkan nilai yang mendekati 0 atau klaster yang dievaluasi merupakan klaster baik [8].…”

Section: Kajian Pustakaunclassified

Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang

Kurniadi¹,

Agustin

Akbar

et al. 2023

AITI

View full text Add to dashboard Cite

Proses penentuan prioritas pembangunan jalan di Dinas Pekerjaan Umum dan Penataan Ruang (PUPR) Kabupaten Garut kurang efektif, baik dalam segi keabsahan dalam mencapai tujuan maupun dalam segi waktu rekap. Hal ini dikarenakan tidak adanya pengelompokan yang baik. Penelitian ini menggunakan metode Cross-Industry Standard Process for Data Mining dan algoritma k-means dalam mengelompokkan data pembangunan jalan dengan atribut jenis, panjang, dan nominal pembangunan. Hasil penelitian ini adalah dipilihnya pengelompokan dengan lima klaster dengan nilai indeks Davies-Bouldin terkecil, yaitu sebesar 0,1617. Analisis karakteristik pembangunan jalan dari klaster terbesar yaitu dari Kelompok 1, Kelompok 2, Kelompok 3, Kelompok 5, dan Kelompok 4, dengan nominal pembangunan bergantung pada jenis pembangunannya. Dari hasil pengetahuan pengelompokan dan karakteristik kelompok, maka Dinas PUPR Kabupaten Garut dapat memprioritaskan pembangunan jalan kecil lebih banyak dibanding pembangunan jalan sedang ataupun besar dengan melihat pengajuan berdasarkan kelompoknya.

show abstract

Section: Kajian Pustakaunclassified

Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang

Kurniadi¹,

Agustin

Akbar

et al. 2023

AITI

View full text Add to dashboard Cite

show abstract

“…Pahlawan Surabaya. Proses yang dilakukan penulis untuk menampilkan lokasi mengenai UMK dan SBH Kota dengan menampilkan hasil berupa bagan flowchart [3].…”

Section: Pendahuluanunclassified

Sistem Informasi Geografis Monografi Kecamatan Kedungkandang Menggunakan Metode K Means

Sundari

Auliasari

Prasetya

2023

jati

View full text Add to dashboard Cite

Data Monografi merupakan data yang berisikan data pokok dari suatu daerah yang menyangkut beberapa data seperti jumlah penduduk, luas wilayah, usia penduduk dst. Pada Kecamatan Kedungkandang data Monografi masih berupa file hardcopy, adanya keterbatasan data Monografi yang hanya dilihat oleh pihak Kecamatan dan Kelurahan yang ada di Kecamatan Kedungkandang. Selain itu Kecamatan Kedungkandang masih belum menyediakan data Monografi berupa visualisasi data dalam bentuk pemetaan menggunakan beberapa atribut. Perhitungan menggunakan metode K-Means yang mengelompokkan dari beberapa atribut seperti jumlah penduduk, usia penduduk , dan jumlah pendidikan terakhir di setiap daerah di Kecamatan Kedungkandang. Pembuatan aplikasi menggunakan bahasa pemograman PHP native serta menggunakan framework CSS bootstrap, kemudian untuk database yang dibuat menggunakan PhpMyAdmin dan Xampp.Hasil yang didapat dari perhitungan tersebut mengenai tingkat pendidikan paling rendah(R), sedang(S), dan tingg(T) kemudian menghasilkan cluster banyaknya peluang kerja(B) dan sedikitnya peluang kerja(S) pada tiap daerah yang hasilnya berupa peta wilayah dengan masing – masing warna yang berbeda.

show abstract

“…SIG merupakan sistem informasi khusus yang berisi data spasial (raster dan vektor) dan data atribut, dapat memberikan ukuran yang akurat mengenai jarak dan daerah [11]. GIS (Geographic Information System) adalah suatu sistem informasi yang mengelola data yang memiliki informasi spasial yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geografis [12].…”

Section: Pendahuluanunclassified

Visualisasi Clustering Penderita Stunting Di Kabupaten Langkat Berbasis WebGIS

Lubis,

Tommy,

Elhanafi

2023

j. teknologi sist. inform. dan sist. komput.

View full text Add to dashboard Cite

Stunting adalah kondisi gagal pertumbuhan pada anak (pertumbuhan tubuh dan otak) akibat kekurangan gizi dalam waktu yang lama, sehingga, anak lebih pendek atau perawakan pendek dari anak normal seusianya dan memiliki keterlambatan dalam berpikir. Clustering merupakan sebuah metode dalam data mining yang berfungsi untuk membantu proses pengelompokkan data dengan karakteristik yang sama ke suatu wilayah atau kelompok yang sama dan data dengan karakteristik yang berbeda ke wilayah atau kelompok yang lain. Pengelompokkan data yang digunakan dalam penelitian ini diterapkan pada penelitian penderita stunting dalam setiap desa dengan mengelompokkan desa tingkat stunting sangat tinggi, tinggi, sedang dan rendah dengan parameter yang ditentukan yaitu jumlah balita, jumlah penderita stunting dan persentase antara balita dengan penderita stunting. Pengelompokkan hasil stunting bertujuan untuk menginformasikan kepada masyarakat dan pemerintah daerah tentang tingkat penderita stunting. Dalam penelitian ini daerah pengelompokkan yang sudah didapat dimunculkan ke dalam peta untuk dapat menyajikan suatu sistem informasi geografis untuk kesehatan masyarakat. Pengimplementasian metode K-Means terletak pada centroid dan perhitungan jarak untuk mendapatkan jarak terdekat dengan menggunakan Euclidean Distance. Dengan data uji sebanyak data desa di Kabupaten Langkat pada tahun 2021, dapat disimpulkan bahwa sistem mampu mengelompokkan penderita stunting di setiap desa menjadi empat kluster dengan akurasi metode K-Means clustering mencapai 85.4%.

show abstract

Penerapan Metode K-Means Clustering Untuk Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Di Kota Malang Berbasis Website

Cited by 4 publications

References 4 publications

Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang

Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang

Sistem Informasi Geografis Monografi Kecamatan Kedungkandang Menggunakan Metode K Means

Visualisasi Clustering Penderita Stunting Di Kabupaten Langkat Berbasis WebGIS

Contact Info

Product

Resources

About