METODE MANHATTAN, EUCLIDEAN DAN CHEBYSHEV PADA ALGORITMA

K-MEANS UNTUK PENGELOMPOKAN STATUS DESA

Yoga Religia 1

Program Magister Teknik Informatika, Fakultas Ilmu Komputer 1

Universitas Dian Nuswantoro, Semarang, Indonesia
Jl. Imam Bonjol 207 Semarang 50131
Telp : (+6224) 3517261, Fax : (+6224) 3569684
Email : religia19@gmail.com 1

ABSTRAK
Kementerian Desa, Pembangunan Daerah Tertinggal dan Transmigrasi (Kementerian Desa PDTT)
merupakan kementerian dalam Pemerintahan Indonesia yang membidangi urusan pembangunan
desa dan kawasan perdesaan, pemberdayaan masyarakat desa, percepatan pembangunan daerah
tertinggal, dan transmigrasi. Data Potensi Desa tahun 2014 (Podes 2014) merupakan data yang
dikeluarkan oleh Badan Pusat Statistik yang bekerjasama dengan Kementerian Desa PDTT dalam
bentuk unsupervised dan terdiri dari 74093. Data Podes 2014 dibuat berdasarkan tingkat
perkembangan desa (village specific) di Indonesia dengan menjadikan desa sebagai unit analisis. Data
mining merupakan suatu metode yang dapat digunakan untuk menelompokkan objek dalam sebuah
data kedalam kelas-kelas yang memiliki kriteria yang sama (clustering). Salahsatu algoritma yang dapat
digunakan untuk proses clustering yaitu algoritma k-means. Pengelompokan data menggunakan k-
means dilakukan dengan cara menghitung jarak terdekat dari suatu data ke sebuah titik centroid.
Dalam penelitian ini akan dilakukan perbandingan metode perhitungan jarak pada k-means antara
Manhattan, Euclidean dan Chebychev. Pengujian akan dilakukan menggunakan waktu eksekusi dan
davies bouldin index. Dari pengujian yang sudah dilakukan, metode perhitungan jarak Chebyshev
memiliki akumulasi waktu paling efisien dibandingkan Manhattan dan Euclidean, sedangkan metode
Euclidean memiliki nilai Index Davies paling optimal dibanding metode Manhattan dan Chebyshev.

Kata kunci: Pembangunan Desa, k-means, Manhattan, Euclidean, Chebychev

I. PENDAHULUAN kemerdekaan. Dalam perjalanan ketata-

Negara Indonesia adalah Negara Kesatuan
yang berbentuk Republik dan Negara hukum,
dimana kedaulatannya berada ditangan rakyat
yang dilaksanakan menurut Undang-Undang
Dasar. Negara Kesatuan Republik Indonesia
dibagi atas daerah-daerah provinsi, dimana
daerah provinsi dibagi atas kabupaten dan
Kota [1]. Setiap daerah kabupaten di Indonesia
terdiri dari desa-desa yang mempunyai hak
asal usul, hak tradisional dalam mengatur dan
mengurus kepentingan masyarakat setempat
dan berperan mewujudkan cita-cita
negaraan Republik Indonesia, desa telah
berkembang dalam berbagai bentuk sehingga
perlu dilindungi dan diberdayakan agar
menjadi kuat, maju, mandiri, dan demokratis.
Untuk melindungi dan memberdayakan desa
maka dibentuklah otonomi desa [2]. Dengan
adanya otonomi desa dan adanya Peraturan
Presiden Nomor 165 Tahun 2014 tentang
Penataan Tugas dan Fungsi Kabinet Kerja,
maka dibentuklah Kementerian Desa,
Pembangunan Daerah Tertinggal, dan
Transmigrasi Republik Indonesia.

1 | Karya Ilmiah Data Mining, Agustus 2016

 Kementerian Desa, Pembangunan Daerah
Tertinggal, dan Transmigrasi (Kementerian
Desa PDTT) adalah kementerian dalam
Pemerintahan Indonesia yang dipimpin oleh
Menteri dan bertanggung jawab kepada
Presiden. Kementerian Desa PDTT membidangi
urusan pembangunan desa dan kawasan
perdesaan, pemberdayaan masyarakat desa,
percepatan pembangunan daerah tertinggal,
dan transmigrasi [3]. Rencana Pembangunan
Jangka Menengah Nasional (RPJMN)
Kementerian Desa PDTT tahun 2015-2019
merupakan dokumen strategis rencana
pembangunan yang harus dilakukan oleh
pemerintah lima tahun kedepan. Dokumen
RPJMN ini memuat sasaran pembangunan
desa yang harus dicapai yaitu mengurangi
jumlah Desa Tertinggal sampai 5.000 desa dan
meningkatkan jumlah Desa Mandiri sedikitnya
2.000 desa di tahun 2019 [4]. Dalam rangka
pembangunan desa, Pemerintah dan
Pemerintah Daerah wajib mengembangkan
sistem informasi desa dan pembangunan
kawasan perdesaan [5].
Dalam mengembangkan sistem informasi
desa dibutuhkan tersedianya data tentang
desa. Kementerian Desa PDTT bekerjasama
dengan Badan Perencanaan Pembangunan
Nasional dan Badan Pusat Statistik
mengeluarkan data Potensi Desa tahun 2014
(Podes 2014) yang terdiri dari 74093 desa dan
memiliki 42 indikator/attribute dependent
tanpa label status desa. Data Podes 2014
merupakan cara pengukuran yang disusun
berdasarkan tingkat perkembangan desa di
Indonesia yang menjadikan desa sebagai unit
analisis dengan mengacu pada Undang Undang
Nomor 6 Tahun 2014 tentang desa, yang
dimaksudkan untuk memotret tingkat
perkembangan desa di Indonesia dan dapat
digunakan sebagai acuan untuk penyusunan
perencanaan kebijakan dan pengawasan
pembangunan desa [6]. Dengan adanya data
Podes 2014 dapat dijadikan sebagai acuan
untuk penyusunan perencanaan kebijakan.
2 | Karya Ilmiah Data Mining, Agustus 2016
Berdasarkan Peraturan Kementerian Desa
PDTT nomor 2 tahun 2016, status desa
dikelompokkan kedalam 5 status yaitu Desa
Mandiri, Desa Maju, Desa Berkembang, Desa
Tertinggal dan Desa Sangat Tertinggal [7].
Belum adanya pengelompokkan data Potensi
Desa tahun 2014 kedalam 5 status desa di
Indonesia dan pengelompokan kedalam 5
satus desa yang ada saat ini adalah
menggunakan data Indek Desa Membangun
yang dikelompokkan perdaerah-daerah di
Indonesia. Menjadikan pengelompokan status
desa di Indonesia menggunakan data Potensi
Desa Tahun 2014 menjadi dibutuhkan.
Dalam teknologi informasi, data merupakan
bagian penting yang tidak bisa dipisahkan dari
pengambilan informasi. Informasi terkait
dengan status desa seperti tersebut diatas
dapat diperoleh menggunakan proses data
mining terhadap data Podes 2014. Data mining
merupakan rangkaian kegiatan yang
digunakan untuk menemukan pola-pola baru,
tersembunyi atau tidak terduga yang terdapat
didalam data. Istilah data mining sering
dianggap sebagai sinonim dari knowledge
discovery from data (KDD) yaitu penemuan
pengetahuan dari data yang berfokus pada
tujuan proses mining [8]. Data mining dapat
digunakan untuk melakukan clustering,
klasifikasi dan asosiasi. Clustering/
pengelompokan yaitu proses mengelompok-
kan data yang dilakukan dengan menemukan
kesamaan karakteristik antara data yang sesuai
dengan kelompok kelas tertentu [9]. Secara
sederhana, clustering dapat digunakan untuk
menganalisis sekumpulan data dan
menghasilkan satu set pengelompokan aturan
yang dapat digunakan untuk mengelompokkan
data masa depan.
Pada dunia nyata terkadang data tidak
hanya dikelompokkan kedalam status biner
(kelas biner), akan tetapi dibutuhkan juga
untuk dikelompokkan kedalam multi status
(multi-class). Dalam kasus data-set multi-class,
pengelompokan akan menjadi lebih sulit
dibandingkan kasus kelas biner. Ada beberapa
algoritma yang dapat digunakan untuk
pengelompokan multi-class. Pernah dilakukan
suatu penelitian tentang penggunaan
algoritma k-means untuk pengelompokan
multi-class yang menunjukkan bahwa
algoritma k-means memberikan hasil yang
efektif untuk pengelompokan data-set multi-
class [10]. Algoritma k-means merupakan
algoritma pengelompokan iteraktif yang
melakukan partisi data-set kedalam jumlah K
cluster yang sudah di tentukan sejak awal.
Dalam penelitian yang lain pernah
dibandingkan clustering berbasis partisi,
clustering berbasis hirarki dan clustering
berbasis density yang mengungkapkan bahwa
algoritma k-means merupakan algoritma
berbasis partisi yang memberikan performa
lebih baik, mampu membagi cluster dengan
baik dan unggul untuk data yang berukuran
besar/banyak dibandingkan algoritma
clustering berbasis hirarki dan density [11]
[12]. Selain itu beberapa penelitian yang lain
juga menyebutkan bahwa clustering
menggunakan algoritma k-means lebih cepat
daripada clustering dengan algoritma lain dan
juga menghasilkan cluster yang berkualitas
ketika menggunakan data-set berukuran besar
[13] [14] [15] [16]. Dalam melakukan
pengelompokan, algoritma k-means
membutuhkan metode perhitungan jarak
untuk menghitung jarak terdekat antara suatu
instance data ke sebuah titik centroid.
Perhitungan jarak pada algoritma k-means
dapat menggunakan Manhattan, Euclidean
dan Chebychev. Pernah dilakukan penelitian
tentang perbandingan metode perhitungan
jarak Manhattan dan Euclidean pada algoritma
k-means untuk mengetahui jumlah squar error,
data yang digunakan dalam penelitian tersebut
adalah Bank data-set yang diuji menggunakan
tool WEKA [17]. Dari hasil pengujian
menunjukkan bahwa metode perhitungan
jarak Manhattan lebih baik dari pada metode
Euclidean [17]. Pada penelitian lain dilakukan
3 | Karya Ilmiah Data Mining, Agustus 2016
perbandingan 3 metode perhitungan jarak
pada algoritma k-means yaitu Manhattan,
Euclidean dan Minkowski untuk menemukan
metode perhitungan jarak yang paling baik,
penelitian tersebut dilakukan dengan
membandingkan hasil dari penelitian
sebelumnya yang mana disimpulkan bahwa
metode perhitungan jarak Euclidean lebih baik
dari pada metode Manhattan dan Minkowski
[18]. Pernah dilakukan juga penelitian yang lain
tentang perbandingan metode perhitungan
jarak Manhattan, Euclidean dan Chebyshev
pada algoritma k-means untuk
mengetahui akurasi dan mean absolute error
[19]. Dari pengujian yang dilakukan
menggunakan flower data-set diperoleh hasil
bahwa metode perhitungan jarak Chebyshev
lebih baik dari metode Manhattan dan
Euclidean [19]. Dari penelitian-penelitian
sebelumnya diketahui bahwa metode
perhitungan jarak Manhattan, Euclidean dan
Chebyshev saling unggul antara satu dengan
yang lain tergantung data-set yang digunakan.
Berdasarkan pertimbangan yang sudah
disebutkan diatas, pada penelitian ini akan
dilakukan pengelompokan status desa di
Indonesia menggunakan algoritma k-means
kedalam 5 status desa, serta membandingkan
metode perhitungan jarak manakah yang
paling efektif untuk pengelompokan data
Podes 2014.
II. TINJAUAN PUSTAKA
Algoritma k-means merupakan algoritma
pengelompokan iteraktif yang melakukan
partisi data-set kedalam jumlah K cluster yang
sudah di tentukan sejak awal. Dalam penelitian
yang lain pernah dibandingkan clustering
berbasis partisi, clustering berbasis hirarki dan
clustering berbasis density yang
mengungkapkan bahwa algoritma k-means
merupakan algoritma berbasis partisi yang
memberikan performa lebih baik, mampu
membagi cluster dengan baik dan unggul untuk
data yang berukuran besar/banyak
dibandingkan algoritma clustering berbasis
hirarki dan density [11] [12]. Selain itu
beberapa penelitian yang lain juga
menyebutkan bahwa clustering menggunakan
algoritma k-means lebih cepat daripada
clustering dengan algoritma lain dan juga
menghasilkan cluster yang berkualitas ketika
menggunakan data-set berukuran besar [13]
[14] [15] [16]. Dalam melakukan
pengelompokan, algoritma k-means
membutuhkan metode perhitungan jarak
untuk menghitung jarak terdekat antara suatu
instance data ke sebuah titik centroid.
Perhitungan jarak pada algoritma k-means
dapat menggunakan Manhattan, Euclidean
dan Chebychev. Pernah dilakukan penelitian
tentang perbandingan metode perhitungan
jarak Manhattan dan Euclidean pada algoritma
k-means untuk mengetahui jumlah squar error,
data yang digunakan dalam penelitian tersebut
adalah Bank data-set yang diuji menggunakan
tool WEKA [17]. Dari hasil pengujian
menunjukkan bahwa metode perhitungan
jarak Manhattan lebih baik dari pada metode
Euclidean [17]. Pada penelitian lain dilakukan
perbandingan 3 metode perhitungan jarak
pada algoritma k-means yaitu Manhattan,
Euclidean dan Minkowski untuk menemukan
metode perhitungan jarak yang paling baik,
penelitian tersebut dilakukan dengan
membandingkan hasil dari penelitian
sebelumnya yang mana disimpulkan bahwa
metode perhitungan jarak Euclidean lebih baik
dari pada metode Manhattan dan Minkowski
[18]. Pernah dilakukan juga penelitian yang lain
tentang perbandingan metode perhitungan
jarak Manhattan, Euclidean dan Chebyshev
pada algoritma k-means untuk mengetahui
akurasi dan mean absolute error [19]. Dari
pengujian yang dilakukanmenggunakan flower
data-set diperoleh hasil bahwa metode
perhitungan jarak Chebyshev lebih baik dari
metode Manhattan dan Euclidean [19].
Dari penelitian-penelitian sebelumnya yang
lain diketahui bahwa metode perhitungan
4 | Karya Ilmiah Data Mining, Agustus 2016
jarak Manhattan, Euclidean dan Chebyshev
saling unggul antara satu dengan yang lain
tergantung data-set yang digunakan [17] [18]
[19] [20] [21] [22] [23]. Sehingga berdasarkan
pertimbangan literature review yang ada,
dalam penelitian ini akan dilakukan
perbandingan metode perhitungan jarak
manakah yang paling efektif untuk
pengelompokan data Podes 2014 untuk
memperoleh status desa di Indonesia.
2.1. Data Mining
Data mining merupakan salah satu bidang
paling penting dalam penelitian yang
bertujuan untuk memperoleh informasi dari
data set. Data mining mulai ada sejak 1990-an
sebagai cara yang efektif untuk mengambil
pola dan informasi yang sebelumnya tidak
diketahui dari suatu data set [24]. Teknik data
mining digunakan untuk menemukan
hubungan antara data untuk melakukan
pengklasifikasian yang memprediksikan nilai-
nilai dari beberapa variabel (klasifikasi), atau
untuk membagi data yang diketahui menjadi
kelompok-kelompok yang mempunyai
kesamaan karakteristik (clustering).
Clustering merupakan bagian dari
pembelajaran unsupervised yang digunakan
sebagai alat yang efektif dalam data mining
[25]. Clustering tidak memiliki atribut yang
dapat digunakan untuk memandu proses
pembelajaran (tidak memiliki label), sehingga
seluruh atribut yang dimiliki diperlakukan
sama. Metode clustering memungkinkan
untuk mengungkapkan hubungan dan
struktrur yang sebelumnya tidak jelas dari
data-set. Tujuan dari clustering adalah untuk
mengelompokkan data yang memiliki
kesamaan karakteristik kedalam kelompok
yang sama dan data yang berbeda karakteristik
kedalam kelompok yang lain.
2.2. Algoritma K-Means
K-means adalah salah salah satu algoritma
clustering yang bertujuan untuk membagi data
menjadi beberapa kelompok dari masukan Nilai jarak maksimum atau disebut juga
berupa data tanpa label kelas. K-means Chebychev distance merupakan perhitungan
merupakan metode partisi yang paling populer jarak yang menghitung besarnya hasil absolut
untuk melakukan clustering. Algoritma k- dari perbedaan antara sepasang objek [27].
means pertama kali diperkenalkan oleh Chebychev distance dapat dihitung
MacQueen pada tahun 1967. Pada algoritma k- menggunakan persamaan:
means, setiap cluster diwakili oleh nilai rata- 𝐷(𝑥, 𝑦) = max(|𝑥𝑖 − 𝑦𝑖 |) 2.3
rata dari objek dalam cluster. Algortma k- Metrik dalam chebychev distance,
means terdiri dari 2 tahap yaitu [26]: didefinisikan didalam ruang vektor yang mana
• Tahap Pertama: Memilih nilai centroid k jarak antara dua vektor yang memiliki
secara acak, dimana nilai k sudah perbedaan terbesar disepanjang dimensi
didefinisikan terlebih dahulu. koordinatnya [28].
• Tahap kedua: Setiap objek didalam data-
set diasosiasikan dengan centroid 2.3. Davies Bouldin Index
terdekat. Davies Bouldin Index (DBI) merupakan
Pada pengukuran jarak antara setiap objek cara validasi cluster yang dibuat oleh D.L.
data dan cluster centroid dapat menggunakan Davies. DBI adalah fungsi rasio dari jumlah
perhitungan manhattan distance, euclidean distribusi didalam cluster untuk pemisahan
distance, dan chebyshev distance. antar cluster [29]. Pengukuran menggunakan
Manhattan distance atau dikenal juga DBI bertujuan untuk memaksimalkan jarak
dengan City block distance digunakan untuk inter-cluster. Dalam penelitian ini, DBI
menghitung jarak dengan tujuan untuk digunakan untuk melakukan validasi data pada
mendapatkan jarak dari satu titik data ke titik setiap cluster. DBI dapat dihitung
data yang lain. Manhattan distance menggunakan persamaan:
mencerminkan jarak antar titik di jalan 𝑚𝑎𝑥
𝑅𝑖 =𝑗=1…𝑘,𝑖≠𝑗 𝑅𝑖𝑗 2.4
perkotaan dalam 1 blok [27]. Persamaan
matematik dari manhattan distance yaitu: 𝑁
𝑛 1
𝐷(𝑥, 𝑦) = ∑ |𝑥𝑖 − 𝑦𝑗 | 2.1 𝑣𝑎𝑟(𝑥) = ∑(𝑥𝑖 − 𝑥̅ )2 2.5
𝑁−1
𝑖=1 𝑖=1
Dari persamaan 2.1, x = (x1, x2, x3, …, xn) dan y =
(y1, y2, y3, …, yn). Perhitungan manhattan distance 𝑅𝑖𝑗 𝑣𝑎𝑟(𝐶𝑖 ) + 𝑣𝑎𝑟(𝐶𝑗 )
𝑖≠𝑗
= 2.6
adalah dengan menjumlahkan hasil absolut ‖𝑐𝑖 − 𝑐𝑗 ‖
dari pengurangan antar titik. 𝑘
Dalam matematika, Euclidean distance 1
𝐷𝐵 = ∑ 𝑅𝑖 2.7
digunakan untuk megukur antara dua titik 𝑘
𝑖=1
dalam satu dimensi yang memberikan hasil Keterangan:
seperti rumus Pythagoras [28]. Persamaan • R : jarak antar cluster
Euclidean distance yaitu [27]: • Var : variance dari data
𝑛 2 • x : data ke-i
𝐷(𝑥, 𝑦) = √∑ (𝑥𝑖𝑘 − 𝑦𝑗𝑘 ) 2.2
𝑘=1
• 𝑥̅ : rata-rata dari tiap cluster
Dari persamaan 2.2, x = (xi1, xi2, xi3, …, xin) dan y = • DB : validasi Davies Bouldin
Dengan menggunakan Davies Bouldin
(yj1, yj2, yj3, …, yjn). Euclidean distance diperoleh
Index suatu cluster akan dianggap memiliki
dari jumlah kuadrat antar titik yang diakar
kuadratkan. skema clustering yang optimal jika memiliki
Index Davies Bouldin minimal.

5 | Karya Ilmiah Data Mining, Agustus 2016

2.4. Kerangka Pemikiran dan Hipotesis
Saat ini ada banyak metode perhitungan
jarak yang dapat digunakan. Dari metode-
metode yang ada secara umum dikategorikan
kedamam 2 measure type yaitu nominal
measures dan numerical measures. Pada
nominal measures dapat menggunakan
perhitungan jarak Nominal distance, Dice
similarity, Jaccar similarity, Simple maching
similarity, dan lain-lain. Sedangkan pada
numerical measures dapat menggunakan
perhitungan jarak Euclidean distance,
Manhattan distance, Chebyshev disatance.
Apabila dilihat dari tipe data Podes 2014, data
tersebut adalah data numerical. Sehingga
dalam penelitian ini akan dibandingkan
metode perhitungan jarak Euclidean distance,
Manhattan distance, Chebyshev distance pada
algoritma k-means yang paling baik untuk
mengelompokkan data Podes 2014.
Dalam penggunaan metode perhitungan
jarak Manhattan, Euclidean dan Chebyshev
untuk pengelompokan data Podes 2014,
penulis memiliki hipotesis mengenai metode
perhitungan jarak yang paling efektif
digunakan. Apabila dilihat dari kemangkusan
metode diperoleh Big O dari setiap metode
sebagai berikut:
a) Manhattan distance memiliki persamaan
𝑛 melakukan evaluasi cluster untuk pada
𝐷(𝑥, 𝑦) = ∑ |𝑥𝑖 − 𝑦𝑗 |
𝑖=1
Karena persamaan dari manhattan
distance adalah berupa penjumlahan
antar titik saja, dapat diketahui bahwa Big
O dari manhattan adalah O(n).
b) Euclidean distance memiliki persamaan
𝑛 2
𝐷(𝑥, 𝑦) = √∑ (𝑥𝑖𝑘 − 𝑦𝑗𝑘 )
𝑘=1
Untuk Big O dari akar kuadrat adalah
O(sqrt(n)). Untuk Big O dari kuadrat
adalah O(n2). Untuk Big O dari
penjumlahan adalah O(n). Sehingga dapat
diketahui bahwa Big O dari Euclidean
adalah O(sqrt(n2)).
6 | Karya Ilmiah Data Mining, Agustus 2016
c) Chebyshev distance memiliki persamaan
𝐷(𝑥, 𝑦) = max(|𝑥𝑖 − 𝑦𝑖 |)
Karena persamaan dari chebyshev
distance adalah mengambil 1 nilai
tertinggi antar titik saja, dapat diketahui
bahwa Big O dari chebyshev adalah O(1)
Dari Big O pada masing-masing metode,
penulis berhipotesis bahwa metode
perhitungan jarak yang paling efektif dalam hal
waktu eksekusi yang lebih singkat untuk
diterapkan pada penelitian ini adalah
Chebyshev distance.
Selain dilihat dari segi waktu, untuk
memastikan performance suatu metode dapat
menggunakan evaluasi internal dan evaluasi
eksternal. Evaluasi internal atau disebut juga
metrik unsupervised melakukan evaluasi
dengan menggunakan informasi apa adanya
yang ada didalam data-set. Sedangkan untuk
evaluasi eksternal atau disebut juga metrik
supervised, evaluasi dilakukan menggunakan
informasi yang tidak disediakan didalam data-
set. Karena dalam penelitian ini data dan
metode yang digunakan adalah dalam bentuk
unsupervised learning, maka evaluasi yang
digunakan adalah evaluasi internal.
Davies Bouldin Indexs (DBI) adalah salah
satu metrik internal yang digunakan untuk
pengelompokan yang berbasis partisi. DBI
digunakan untuk mengukur kohesi dan
separasi pada cluster. Kohesi merupakan
jumlah dari kedekatan data terhadap centroid
yang diikutinya (ditunjukkan pada gambar 2.1),
sedangkan Separasi merupakan jarak
kedekatan antar cluster (ditunjukkan pada
gambar 2.2).
Gambar 2.1. Kohesi

Gambar 2.2. Separasi
Dengan mengguakan Davies Bouldin
Indexs penulis memiliki hepotesis bahwa
metode perhitungan jarak Euclidean memiliki
indek bouldin yang paling optimal
dibandingkan Manhattan dan Chebyshev. Hal
itu didasari dengan 2 hal
a) Euclidean dibandingkan Manhattan
Milsalkan ada titik 2 dimensi yaitu p(2.1)
dan q(4.5). Dari dua titik tersebut hendak
dicari jarak terdekatnya.
Gambar 2.3. Titik Dua Dimensi
Apabila jarak antar titik ditentukan
dengan Manhattan distance:
❖ d(p,q) = |2 - 4| + |1 - 5| = 6
Sedangkan apabila jarak antar titik
ditentukan dengan Euclidean distance:
❖ d(p,q) = √(2 − 4)2 + (1 − 5)2 = 4.47
Dengan perhitungan dua dimensi dapat
dilihat bahwa metode perhitungan jarak
Euclidean menghasilkan jarak antar titik
lebih dekat dibandingkan Manhattan.
b) Euclidean dibandingkan Chebyshev
Milsalkan ada titik 2 dimensi yaitu p(2.1)
dan q(4.5) seperti yang ditunjukkan pada
gambar 2.4. Apabila jarak antar titik
ditentukan dengan Chebyshev distance:
❖ d(p,q) = max (|2 - 4| ,|1 - 5|) = 4
7 | Karya Ilmiah Data Mining, Agustus 2016
Sedangkan apabila jarak antar titik
ditentukan dengan Euclidean distance:
❖ d(p,q) = √(2 − 4)2 + (1 − 5)2 = 4.47
Memang apabila dibandingkan,
Chebyshev memberikan jarak yang paling
dekat. Akan tetapi Chebyshev hanya berfokus
pada dimensi yang menghasilkan jarak
maksimal, sedangkan dalam sebuah data
setiap dimensi memiliki keterkaitan dengan
dimensi yang lain. Sehingga apabila metode
Chebyshev diterapkan untuk pengelompokan,
penulis berhipotesis bahwa Chebyshev akan
menghasilkan tingkan kohesi dan separasi yang
rendah.
III. METODE PENELITIAN
Dalam penelitian ini metode yang
digunakan adalah metode data mining dengan
memakai teknik clustering/pengelompokan
menggunakan algoritma k-means dengan
perhitungan jarak Manhattan, Euclidean dan
Chebyshev. Kemudian dari metode tersebut
akan digunakan untuk mengelompokkan
status desa berdasarkan data Potensi Desa
tahun 2014 (Podes 2014). Dengan
menggunakan algoritma k-means, data Podes
2014 akan dibagi kedalam 5 cluster yaitu
cluster 0, cluster 1, cluster 2, cluster 3 dan
cluster 4. Penentuan 5 cluster ini didasarkan
pada Peraturan Menteri Desa, Pembangunan
Daerah Tertinggal, dan Transmigrasi Republik
Indonesia nomor 2 tahun 2016 tentang Indek
Desa Membangun, yang menyebutkan bahwa
status desa dikelompokkan dalam 5 status
desa. Adapun langkah pengujian yang
digunakan dalam penelitian ini dapat dilihat
pada gambar 3.1.

Gambar 3.1. Langkah Pengujian
Pada gambar 3.1 menunjukkan bahwa
langkah pengujian diawali dari input berupa
data Podes 2014 yang belum dikelompokkan
kedalam status desa. Kemudian dari data input
akan diproses menggunakan algoritma k-
means. Adapun didalam algoritma k-means
akan menggunakan 3 metode perhitungan
jarak untuk menentukan centroid dari setiap
cluser. Metode perhitungan jarak yang
digunakan yaitu Manhattan, Euclidean dan
Chebyshev. Dari setiap pengelompokan akan
menghasilkan 5 cluster status desa, kemudian
hasil akan di uji menggunakan Davies Bouldin
Index dan waktu eksekusi untuk mengetahui
metode perhitungan jarak manakah yang
paling baik.
dengan mengitung jumlah dari centroid untuk
setiap cluster, yang ditulis dengan persamaan:
𝑆𝑡𝑎𝑡𝑢𝑠 𝑑𝑒𝑠𝑎 = ∑ 𝐶𝐼1 , 𝐶𝐼2 , …… , 𝐶𝐼42 4.4
Dari persamaan 4.4, CI merupakan
centroid dari setiap indikator dan setiap cluster
memiliki 42 indikator. Penentuan status desa
akan diurutkan berdasarkan nilai penjumlahan
centroid dari setiap indikator pada masing-
masing cluster, yang mana nilai penjumlahan
terendah akan diinisialisasikan sebagai status
Desa Sangat Tertinggal dan nilai penjumlahan
tertinggi akan diinisialisasikan sebagai status
Desa Mandiri. Adapun urutan penamaan
cluster dari yang nilai terendah sampai
tertinggi yaitu Desa Sangat Tertinggal, Desa
Tertinggal, Desa Berkembang, Desa
Berkembang, Desa Maju, Desa Mandiri.
Adapun nilai centroid dan jumlah cluster
dari pengujian dari metode perhitungan jarak
Manhattan, Euclidean dan Chebyshev dengan
algoritma k-means yang telah dilakukan dapat
dilihat pada tabel 4.1, 4.2 dan 4.3.
Tabel 4.1. Status dan Jumlah Desa dengan
Menggunakan Manhattan
Tabel 4.2. Status dan Jumlah Desa dengan
Menggunakan Euclidean

IV. ANALISA PENGUJIAN

Dari pengujian yang telah dilakukan
diperoleh nilai centroid dan jumlah cluster
yang berbeda untuk setiap metode
perhitungan jarak yang digunakan. Pada data
Potensi Desa tahun 2014, setiap atribut/
indikator mempunyai nilai 0 s/d 5, yang mana
nilai 0 adalah nilai terendah sedangkan nilai 5
adalah nilai tertinggi. Sehingga pada penelitian
ini untuk menentukan status desa dilakukan

8 | Karya Ilmiah Data Mining, Agustus 2016

 Tabel 4.3. Status dan Jumlah Desa dengan eksekusi dari Euclidean distance adalah 68
Menggunakan Chebyshev detik. Kemudian waktu eksekusi dari metode
Chebyshev distance untuk pengujian 1 sampai
pengujian 5 secara berturut-turut yaitu 36
detik, 33 detik, 38 detik, 34 detik dan 33 detik,
sehingga apabila diambil rata-rata waktu
eksekusi dari Chebyshev distance adalah 34.8
detik. Adapun secara lebih mudah dari waktu
eksekusi yang dibutuhkan untuk metode
4.1. Pengujian Waktu Eksekusi Manhattan, Euclidean dan Chebyshev dapat
Akumulasi waktu dilakukan dengan dilihat pada tabel 4.4.
melakukan eksekusi sebanyak 5 kali untuk Tabel 4.4. Lama Waktu Eksekusi
setiap metode perhitungan jarak yang Test Waktu Eksekusi
digunakan. Dari 5 kali eksekusi tersebut (i) Manhattan Euclidean Chebyshev
kemudian akan dirata-rata untuk memperoleh
1 69 detik 69 detik 36 detik
waktu eksekusi paling efisien dari setiap
2 66 detik 68 detik 33 detik
metode perhitungan jarak. Dari pengeujian
3 65 detik 68 detik 38 detik
yang telah dilakukan diperoleh lama waktu
4 66 detik 68 detik 34 detik
eksekusi yang berbeda, adapun lama waktu
5 65 detik 67 detik 33 detik
eksekusi dari pengujian dari metode
Rata-
perhitungan jarak Manhattan, Euclidean dan 66.2 detik 68 detik 34.8 detik
rata
Chebyshev yang telah dilakukan dapat dilihat
pada gambar 4.1.
4.2. Pengujian Davies Bouldin Index
Detik Dalam penelitian ini, Davies Bouldin
6969 6668 6568 6668 6567
Index (DBI) digunakan untuk melakukan
60
36 33 38 34 33 validasi data pada setiap cluster. Pengukuran
40
menggunakan DBI bertujuan untuk
20
memaksimalkan jarak inter-cluster. Dengan
menggunakan DBI suatu cluster akan dianggap
memiliki skema clustering yang optimal jika
Manhattan Euclidean Chebyshev
yang memiliki Index Davies minimal. Adapun
Gambar 4.1. Lama Waktu Eksekusi dari pengujian yang sudah dilakukan diperoleh
Pada gambar 4.1 dapat dilihat bahwa waktu nilai Index Davies dari metode Manhattan,
eksekusi dari metode Manhattan distance Euclidean dan Chebyshev yang ditunjukkan
untuk pengujian 1 sampai pengujian 5 secara pada gambar 4.2.
berturut-turut yaitu 69 detik, 66 detik, 65
detik, 66 detik dan 65 detik, sehingga apabila 6,000 4,156
diambil rata-rata waktu eksekusi dari 2,700 2,604
4,000
Manhattan distance adalah 66.2 detik. 2,000
Sedangkan waktu eksekusi dari metode 0
Euclidean distance untuk pengujian 1 sampai DBI

pengujian 5 secara berturut-turut yaitu 69 Manhattan Euclidean Chebyshev

detik, 68 detik, 68 detik, 68 detik dan 67 detik,
sehingga apabila diambil rata-rata waktu Gambar 4.2. Index Davies dari metode
Manhattan, Euclidean dan Chebyshev

9 | Karya Ilmiah Data Mining, Agustus 2016

Dari gambar 4.3 dapat dilihat bahwa nilai Index
Davies dari metode Manhattan yaitu 2.700,
nilai Index Davies dari metode Euclidean yaitu
2.604 dan nilai Index Davies dari metode
Chebyshev yaitu 4.156. Adapun secara lebih
mudah untuk nilai Index Davies dari metode
Manhattan, Euclidean dan Chebyshev dapat
dilihat pada tabel 4.25.
Tabel 4.5. Index Davies dari Manhattan,
Euclidean dan Chebyshev
Davies Bouldin Index
Manhattan Euclidean Chebyshev
2.700 2.604 4.156
Dari tabel 4.25 dapat diketahui bahwa
nilai yang paling optimal dari metode
Manhattan, Euclidean dan Chebyshev adalah
metode Euclidean distance dengan nilai Index
Davies yaitu 2.604.
4.3. Analisa Hasil Pengujian
Dari pengujian metode pengelompokan
data Potensi Desa Tahun 2014 menggunakan
algoritma k-means dengan metode
perhitungan jarak Manhattan, Euclidean dan
Chebyshev yang telah dilakukan dihasilkan:
1. Model pengujian yang digunakan dapat
berjalan dengan baik dan menunjukkan
hasil berupa nilai centroid untuk setiap
cluster dari metode Manhattan, Euclidean
dan Chebyshev, sehingga status desa
dapat ditentukan dari jumlah centroid
pada setiap cluster.
2. Penggunaan metode perhitungan jarak
yang digunakan mempengaruhi jumlah
data pada setiap cluster.
3. Akumulasi waktu yang diperoleh dari
pengujian yang telah dilakukan
menunjukkan bahwa metode perhitungan
jarak Chebyshev memiliki waktu eksekusi
paling efisien dengan akumulasi waktu
rata-rata 34.8 detik.
4. Dengan menggunakan pengujian Davies
Bouldin Index menunjukkan bahwa
metode perhitungan jarak Euclidean
10 | Karya Ilmiah Data Mining, Agustus 2016
memiliki nilai Index Davies paling optimal
dengan dengan nilai 2.604.
Dari pengujian yang sudah dilakukan
dapat diketahui bahwa pengelompokan data
Potensi Desa Tahun 2014 menggunakan
algoritma k-means dengan metode
perhitungan jarak Chebyshev memiliki
akumulasi waktu paling efisien dibandingkan
Manhattan dan Euclidean, Sedangkan metode
Euclidean memiliki nilai Index Davies paling
optimal dibanding metode Manhattan dan
Chebyshev.
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari pembahasan dan evaluasi pada
bab-bab sebelumnya, pengelompokan data
Potensi Desa tahun 2014 kedalam 5
kelompokkan menggunakan algoritma k-
means dengan metode perhitungan jarak
Manhattan, Euclidean dan Chebyshev
diperoleh kesimpulan yaitu:
1. Telah dikelompokkannya data Potensi
Desa tahun 2014 kedalam 5 status desa di
Indonesia dengan diperoleh jumlah desa
untuk setiap cluster yaitu cluster Desa
Sangat Tertinggal sebanyak 7644 desa,
cluster Desa Tetinggal sebanyak 16780
desa, cluster Desa Berkembang sebanyak
11864 desa, cluster Desa Maju sebanyak
17479 desa dan cluster Desa Mandiri
sebanyak 20326 desa.
2. Pengelompokan data Potensi Desa tahun
2014 kedalam 5 status desa menggunakan
algoritma k-means dengan metode
perhitungan jarak Chebyshev memiliki
akumulasi waktu paling efisien
dibandingkan Manhattan dan Euclidean,
Sedangkan metode Euclidean memiliki
nilai Index Davies paling optimal
dibanding metode Manhattan dan
Chebyshev.
5.2. Saran
Dari penelitian ini di ketahui bahwa
setiap cluster yang dihasilkan memiliki jarak
dari cluster yang lain, dengan hasil cluster yang
diperoleh diharapkan dapat diukur jarak setiap
atribut antar cluster agar dapat ditentukan
atribut mana yang perlu diperhatikan sebagai
prioritas pembangunan agar status desa dapat
meningkat.
DAFTAR PUSTAKA
[1] Undang-Undang Dasar Negara Republik
Indonesia Tahun 1945, Negara Republik
Indonesia, 1945.
[2] Undang-Undang Dasar Negara Republik
Indonesia Nomor 6 Tahun 2014, Tentang
Desa, Presiden Republik Indonesia, 2014.
[3] Peraturan Presiden Republik Indonesia
Nomor 12 Tahun 2015, Tentang
Kementerian Desa, Pembangunan Daerah
Tertinggal, dan Transmigrasi, Presiden
Republik Indonesia, 2015.
[4] Peraturan Presiden Republik Indonesia
Nomor 2 Tahun 2015, Tentag Rencana
Pembangunan Jangka Menengah Nasional
Tahun 2015 - 2019, Presiden Republik
Indonesia, 2015.
[5] Undang Undang Republik Indonesia Nomor
6 Tahun 2015 tentang Desa, Presiden
Republik Indonesia, 2015.
[6] H. Barokah, D. R. W. W. Utami, Karmaji, C. S.
M. Sugiarto, U. Suchaini, D. Widyaningsih, E.
H. Nurcahyo, A. P. Rahtama and M. Abduh,
Indeks Pembangunan Desa 2014 "Tentang
Pemenuhan Standar Pelayanan Minimum
Desa", Jakarta: Nasional, Badan
Perencanaan Pembangunan, 2014.
[7] Peraturan Menteri Desa, Pembangunan
Daerah Tertinggal, dan Transmigrasi
Republik Indonesia Nomor 2 Tahun 2016,
tentang Indek Desa Membangun, Menteri
Desa, Pembangunan Daerah Tertinggal, dan
Transmigrasi Republik Indonesia, 2016.
[8] L. Xu, C. Jiang, J. Wang, J. Yuan and Y. Ren,
“Information Security in Big Data: Privacy
and Data Mining,” IEEE Access: The Journal
for Rapid Open Access Publishing, vol. 1, pp.
1149-1176, 9 October 2014.
[9] V. Deepa, “Rapid Development of
Applications in Data Mining,” in
11 | Karya Ilmiah Data Mining, Agustus 2016
International Conference on Green High
Performance Computing, India, 2013.
[10] M. F. Al-Roby and A. M. El-Halees,
“Classifying Muti-Class Imbalance Data,”
Egyptian Computer Science Journal, vol. 37,
no. 5, pp. 74-81, 2013.
[11] B. Chaudhari and M. Parikh, “A Comparative
Study of clustering algorithms Using weka
tools,” International Journal of Application
or Innovation in Engineering & Management
, vol. 1, no. 2, pp. 154-158, 2012.
[12] C. Shah and A. Jivani, “Comparison of Data
Mining Clustering Algorithms,” in Nirma
University International Conference on
Engineering, 2013.
[13] N. Claypo and S. Jaiyen, “Opinion Mining for
Thai Restaurant Reviews using K-Means
Clustering and MRF Feature Selection,” in
Knowledge and Smart Technology (KST),
Chonburi, 2015.
[14] M. Verma, M. Srivastava, N. Chack, A. K.
Diswar and N. Gupta, “A Comparative Study
of Various Clustering Algorithms in Data
Mining,” International Journal of
Engineering Research and Applications
(IJERA), vol. 2, no. 3, pp. 1379-1384, 2012.
[15] S. Ghosh and S. K. Dubey, “Comparative
Analysis of K-Means and Fuzzy C-Means
Algorithms,” International Journal of
Advanced Computer Science and
Applications, vol. 4, no. 4, pp. 35-39, 2013.
[16] S. Chakraborty, N. K. Nagwani and L. Dey,
“Performance Comparison of Incremental K-
means and Incremental DBSCAN
Algorithms,” International Journal of
Computer Applications, vol. 27, no. 11, pp.
14-18, 2011.
[17] R. Awasthi, A. K. Tiwari and S. Pathak,
“Empirical Evaluation on K Means Clustering
with Effect of Distance Functions for Bank,”
International Journal of Innovative
Technology and Research, vol. 1, no. 3, pp.
233-235, 2013.
[18] A. Singh, A. Yadav and A. Rana, “K-means
with Three different Distance Metrics,”
International Journal of Computer
Applications, vol. 67, no. 19, pp. 13-17, 2013.
[19] K. Kouser and Sunita, “A comparative study
of K Means Algorithm by Different Distance
Measures,” International Journal of
Innovative Research in Computer and
Communication Engineering, vol. 1, no. 9,
pp. 2443-2447, 2013.
[20] D. Sinwar and R. Kaushik, “Study of
Euclidean and Manhattan Distance Metrics
using Simple K-Means Clustering,”
International Journal for Research in Applied
Science and Engineering Technology, vol. 2,
no. 5, pp. 270-274, 2014.
[21] D. J. Bora and A. K. Gupta, “Effect of
Different Distance Measures on the
Performance of K-Means Algorithm: An
Experimental Study in Matlab,” International
Journal of Computer Science and
Information Technologies, vol. 5, no. 2, pp.
2501-2506, 2014.
[22] M. Anggara, H. Sujiani and H. Nasution,
“Pemilihan Distance Measure Pada K-Means
Clustering Untuk Pengelompokkan Member
Di Alvaro Fitness,” Jurnal Sistem dan
Teknologi Informasi (JUSTIN), vol. 1, no. 1,
pp. 1-6, 2016.
[23] H. Prasetyo and A. Purwariati, “Comparison
of Distance Measures for Clustering Data
with Mix Attribute Types,” in International
Conference on Information Technology
Systems and Innovation, Bandung, 2014.
[24] D. Tomar and S. Agarwal, “A survey on Data
Mining approaches for Healthcare,”
International Journal of Bio-Science and Bio-
Technology, vol. 5, no. 5, pp. 241-266, 2013.
[25] S. Ding, F. Wu, Q. Jun, H. Jia and F. Jin,
“Research on data stream clustering
algorithms,” Artificial Intelligence Review,
vol. 43, no. 4, pp. 593-600, 2013.
[26] J. Yadav and M. Sharma, “A Review of K-
mean Algorithm,” International Journal of
12 | Karya Ilmiah Data Mining, Agustus 2016
Engineering Trends and Technology (IJETT),
vol. 4, no. 7, pp. 2972-2976, 2013.
[27] P. Grabust, “The Choice of Metrics for
Clustering Algorithms,” in Proceedings of the
8th International Scientific and Practical
Conference, Augstskola, 2011.
[28] H. K. Sagar and V. Sharma, “Error Evaluation
on K- Means and Hierarchical Clustering with
Effect of Distance Functions for Iris Dataset,”
International Journal of Computer
Applications, vol. 86, no. 18, pp. 1-5, 2014.
[29] B. K. Mishra, A. Rath, N. R. Nayak and S.
Swain, “Far Efficient K-Means Clustering
Algorithm,” in International Conference on
Advances in Computing, Communications
and Informatics, Chennai, 2012.
PENULIS
Yoga Religia, M.Kom
Lulus Sarjana Teknik
Informatika Tahun 2015
dan Lulus Magister
Teknik Informatika
tahun 2016 di
Universitas Dian
Nuswantoro Semarang.
Saat ini bekerja di Kementerian Desa,
Pembangunan Daerah Tertinggal dan
Transmigrasi Repubik Indonesia sebagai
asisten tenaga ahli di Direktorat Jenderal
Pembangunan dan Pemberdayaan
masyarakat Desa.