PENERAPAN LEARNING VECTOR QUANTIZATION (LVQ)

UNTUK MEMBERIKAN REKOMENDASI DALAM

PEMILIHAN RUMAH TINGGAL
LAPORAN TUGAS AKHIR

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.

Algoritma Pelatihan Jaringan

LVQ
Algoritma pelatihan jaringan LVQ adalah sebagai berikut :
(Kusumadewa 2003)
1. Tetapkan
a. bobot awal
b. maksimum Epoh
c. parameter learning rate ()
d. pengurangan learning rate (dec )
e. Minimal learning rate yang diperbolehkan (min )
2. Masukkan
a. Data input
b. target berupa kelas
3. Tetapkan kondisi awal, Epoh = 0

Algoritma Pelatihan Jaringan

LVQ
4. Kerjakan jika (Epoh max Epoh) dan ( min )
a. Epoh = Epoh + 1
b. kerjakan untuk i = 1 sampai n
i. Tentukan j sedemikian hingga |xi-wj|, minimum
ii. perbaiki wj dengan ketentuan :
Jika T = Cj maka :
wj = wj + (xi - wj)
Jika T C maka :
wj = wj (xi - wj)
c. Kurangi

Contoh Arsitektur Jaringan LVQ

X1

Y_in1

X2

F1

X-w1
X3
Y_in2
X4

X5

X6

X-w2

F2

ANALISIS DAN PERANCANGAN

SISTEM

Proses Pemilihan Rumah

Analisis menggunakan metode

LVQ
Menetukan sasaran yang ingin dicapai
Menentukan kriteria pilihan
Menentukan tingkat kepentingan setiap
kriteria pilihan
Penilaian data perumahan pada setiap
kriteria pilihan
Proses pembelajaran
Proses pengujian dan penyeleksian data
perumahan

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Langkah 1 : Masukkan data

Proses pertama adalah masukkan data
perumahan,
misalnya
ada
25
data
perumahan dengan 13 kriteria lokasi dan
seperti table berikut :

Analisa kasus pemilihan

tinggal menggunakan LVQ

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

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Variabel

Keeterangan

x1

Jarak perumahan terhadap sarana pendidikan

x2

Jarak perumahan terhadap sarana kesehatan

x3

Jarak perumahan terhadap sarana ibadah

x4

Jarak perumahan terhadap jalan utama

x5

Jarak perumahan terhadap sarana perdagangan

x6

Jarak perumahan terhadap sarana pemerintahan

x7

Jarak perumahan terhadap sarana sosial budaya

x8

Jarak perumahan terhadap sarana olahraga

x9

Jarak perumahan terhadap sarana pelayanan umum

x10

Jarak perumahan terhadap jalan lintas antar daerah

x11

Jarak perumahan terhadap bandara

x12

Jarak perumahan terhadap pabrik industri

x13

Jarak perumahan terhadap jaringan listrik tegangan tinggi

Analisa kasus pemilihan

tinggal menggunakan LVQ
Data

Nama Perumahan

Villa Dwi Satria

Graha Suka Makmur

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

Kubang Raya Lestari

12

Gria Cikara Permai 2

13
14
15
16

Permata Raflesia
Putri Mitra Lestari
Bina Lindung II
Riah Indah Lestari

17

Panorama Bukit Raya

18

Nusa Indah

19

Tamann Mutiara II

20

Satitri Asri

21
22
23
24
25

Bina Bangun Kencana

Permata Kutilang Sakti
Puri Gading Permai
Griya Taman Safari
Griya Satria

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

Dipinggir jalan kubang Raya-Kubang

Jln Kubang raya KM3-Kubang

Jln Purmodadi dekat kampus Stimk Amik Riau -Panam

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 Sidodi Arengka Atas- Kubang

Jln Suka Karya Kualu Panam

Jln sekuntum-Panam

Jln Taman Karya-Panam

Simpang 3, 1 Km dari jln Kharudiin Nasution-Simpang 3

Jln Kubang Raya KM-2(Simpang Pasang Kulim-Kubang)

Jln Bupati Kubang

Jln Handayani LI, Arengka Atas+70m dari jln arengka-Kubang

Jln Kubang Raya-Kubang

Jln Keliling Sakti, Gg Paris-Panam

Jln Taman Karya (Belakang Hotel Mona Plasa depan kampus UNRI)-Panam

Simpang Tiga

Jln Eka Tunggal

Jln Taman-Karya Panam

Jln Datuk Tunggal, Cipta Karya-Panam

Jln Suka Karya-Panam

Simpang Tiga

Simpang Tiga

Jln Haji Usman-Kubang

Simpang Tiga

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Selanjutnya proses pengelompokan data perumahan kedalam

kelas-kelas. Aturan penentuan kelas data perumahan
berdasarkan interval nilaii pada table berikut :
Penetuna Kelas
Nilai

Kelas

Keterangan

40-72

Tidak Bagus

73-104

Kurang Bagus

105-136

Cukup Bagus

137-168

Cukup

169-200

Sangat Bagus

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Berdasarkan interval nilai pada table dapat diketahui kelas dari masing-masing data perumahan, seperti table berikut :

Data

Nama Perumahan

Jumlah

Kelas

Villa Dwi Satria

173

Graha Suka Makmur

171

Panam Regency

174

Pagar Nusa Lima

144

Graha Kualu Payung Sekaki

141

Taman Sidodi Indah

162

Bumi Kuala Damai III

164

Sekuntum Permai

165

Permata Bunda

142

10

Ranatu Permai Simpang Tiga

168

11

Kubang Raya Lestari

125

12

Griya Cikara Permai II

134

13

Permata Rafflesia

129

14

Puri Mitra Lestari

124

15

Bina Lindung II

130

16

Riau Inda Lestari

122

17

Panorama Bukit Raya

132

18

Nusa Indah

132

19

Taman Mutiara II

128

20

Satitri Asri

134

21

Bina Bangun Kencana

76

22

Permata Kutilang Sakti

97

23

Puri Gading Permai

68

Analisa kasus pemilihan

tinggal menggunakan LVQ

rumah

Berdasarkan interval nilai pada table dapat diketahui kelas dari masing-masing data perumahan, seperti table berikut :

Data

Nama Perumahan

Jumlah

Kelas

Villa Dwi Satria

173

Graha Suka Makmur

171

Panam Regency

174

Pagar Nusa Lima

144

Graha Kualu Payung Sekaki

141

Taman Sidodi Indah

162

Bumi Kuala Damai III

164

Sekuntum Permai

165

Permata Bunda

142

10

Ranatu Permai Simpang Tiga

168

11

Kubang Raya Lestari

125

12

Griya Cikara Permai II

134

13

Permata Rafflesia

129

14

Puri Mitra Lestari

124

15

Bina Lindung II

130

16

Riau Inda Lestari

122

17

Panorama Bukit Raya

132

18

Nusa Indah

132

19

Taman Mutiara II

128

20

Satitri Asri

134

21

Bina Bangun Kencana

76

22

Permata Kutilang Sakti

97

23

Puri Gading Permai

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.

SEKIAN DAN TERIMA KASIH