OLEH
ALFIKRI
10145019198
PENDAHULUAN
Latar Belakang
Developer atau agen semakin banyak menawarkan
rumah murah dengan lokasi bagus
Berbagai sarana promosi yang berisi informasi
untuk rumah tinggal baru semakin mudah untuk
diperoleh.
Banyaknya pilihan yang membuat orang sulit untuk
menentukan lokasi rumah mana yang akan diambil.
Dibutuhkan jaringan LVQ akan digunakan untuk
mengenali pola rumah dengan berbagai kondisi dari
suatu lokasi perumahan.
PENDAHULUAN
Rumusan Masalah
Bagaimana memperoleh rekomendasi rumah
tinggal menggunakan LVQ, dari sejumlah
pilihan rumah yang ada dengan berbagai
kondisi dari suatu lokasi perumahan.
Y_in1
X2
F1
X-w1
X3
Y_in2
X4
X5
X6
X-w2
F2
rumah
rumah
data
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
0,5
1,5
0,6
2,5
1,5
10
0,2
4,2
0,7
0,8
0,2
0,3
6,2
2,5
0,5
6,5
1,5
2,5
10
1,5
1,2
0,8
4,5
6,2
10
0,2
0,5
1,5
2,5
10
1,5
2,5
0,5
4,2
4,3
11
2,5
12
1,5
2,5
4,1
4,5
10
13
3,5
14
4,5
3,2
8,2
4,4
15
2,5
2,5
2,3
6,5
6,5
6,3
5,5
16
4,2
2,5
3,5
6,2
4,5
12
17
18
8,2
10
19
2,2
20
21
4,2
22
4,5
4,2
6,5
23
8,5
4,2
6,5
8,5
4,5
6,5
6,1
rumah
Variabel
Keeterangan
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
x11
x12
x13
Nama Perumahan
3
4
5
6
7
Panam Regency
Pagar Nusa Lima
Graha Kualu Payung
Sekaki
Taman SidoDI Indah
Bumi Kualu Damai 3
Sekuntum Permai
Permata Bunda
Rantau Permai Simpang
10
11
12
13
14
15
16
Permata Raflesia
Putri Mitra Lestari
Bina Lindung II
Riah Indah Lestari
17
18
Nusa Indah
19
Tamann Mutiara II
20
Satitri Asri
21
22
23
24
25
Tipe Rumah
Harga Rumah
45/120
Rp 94.100.000
36/120
Rp 59.000.000
45/120
Rp 99.300.000
36/120
Rp 75.000.000
45/120
Rp 111.000.000
36/120
Rp 88.000.000
45/120
Rp 103.500.000
36/120
Rp 76.200.000
45/120
Rp 92.000.000
36/120
Rp 65.500.000
45/120
Rp 99.500.000
36/120
Rp 79.200.000
45/120
Rp 94.300.000
36/120
Rp 71.200.000
45/120
Rp 110.500.000
36/120
Rp 89.200.000
45/120
Rp 92.000.000
36/120
Rp 60.000.000
45/120
Rp 96.000.000
36/120
Rp 70.200.000
45/121
Rp 89.000.000
36/121
Rp 50.200.000
45/122
Rp 92.000.000
36/122
Rp 60.000.000
45/123
Rp 99.000.000
36/123
Rp 57.000.000
45/124
Rp 102.000.000
36/124
Rp 77.000.000
45/125
Rp 99.200.000
36/125
Rp 79.900.000
45/126
Rp 93.500.000
36/126
Rp 42.000.000
45/127
Rp 112.000.000
36/127
Rp 88.600.000
45/128
Rp 113.000.000
36/128
Rp 90.200.000
45/129
Rp 99.500.000
36/129
Rp 79.200.000
45/130
Rp 97.600.000
36/130
Rp 61.200.000
45/131
Rp 99.700.000
36/131
Rp 72.200.000
45/132
Rp 87.000.000
36/132
Rp 57.000.000
45/133
Rp 95.000.000
36/133
Rp 45.000.000
45/134
Rp 101.000.000
36/134
Rp 45.000.000
45/135
Rp 99.500.000
36/135
Rp 79.200.000
rumah
Lokasi
Jln Kubang-Raya Kec Siak Hulu Kab Kampar (Dekat Kebun Binatang Pasang kulim-Kubang
Jln Kubang-RAYA Desa Kualu (Dekat Sltpn 4 Gang SMU Plus Kubang
Jln sekuntum-Panam
Jln Taman Karya (Belakang Hotel Mona Plasa depan kampus UNRI)-Panam
Simpang Tiga
Simpang Tiga
Simpang Tiga
Simpang Tiga
rumah
rumah
Kelas
Keterangan
40-72
Tidak Bagus
73-104
Kurang Bagus
105-136
Cukup Bagus
137-168
Cukup
169-200
Sangat Bagus
rumah
Berdasarkan interval nilai pada table dapat diketahui kelas dari masing-masing data perumahan, seperti table berikut :
Data
Nama Perumahan
Jumlah
Kelas
173
171
Panam Regency
174
144
141
162
164
Sekuntum Permai
165
Permata Bunda
142
10
168
11
125
12
134
13
Permata Rafflesia
129
14
124
15
Bina Lindung II
130
16
122
17
132
18
Nusa Indah
132
19
Taman Mutiara II
128
20
Satitri Asri
134
21
76
22
97
23
68
rumah
Berdasarkan interval nilai pada table dapat diketahui kelas dari masing-masing data perumahan, seperti table berikut :
Data
Nama Perumahan
Jumlah
Kelas
173
171
Panam Regency
174
144
141
162
164
Sekuntum Permai
165
Permata Bunda
142
10
168
11
125
12
134
13
Permata Rafflesia
129
14
124
15
Bina Lindung II
130
16
122
17
132
18
Nusa Indah
132
19
Taman Mutiara II
128
20
Satitri Asri
134
21
76
22
97
23
68
Implementasi
Tampilan Data Pembelajaran
Implementasi
Tampilan Data Hasil Pembelajaran
Kesimpulan
Dengan menerapkan metode LVQ dapat membantu pengguna
dalam memilih rumah sesuai dengan criteria yang diinginkan
tanpa harus terjun ke lokasi untuk memastikan keadaan disekitar
lokasi perumahan
Kelas yang dihasilkan setelah pengujian bergantung pada bobot
awal yang dipilh serta nilai data pembelajaran yang dimasukkan.
Hal ini telah dibuktikan dalam pengujian sistem
Pembelajaran menjadi tidak stabil apabila nilai learning rate,
pengurangan learning rater serta minimal learning rate di set
terlalu besar, arena perubahan bobot akhirr yang dihasilkan
setelah pembelajaran berbeda jauh dengan nilai awalnya serta
perubahan kelas yang dihasilkan setalah pengujian berbeda jauh
dari kelas pengujiannya.