BAB III

ANALISIS DAN PERANCANGAN SISTEM

3.1 Metodologi Penelitian

Ada beberapa tahapan metodologi penelitian yang di lakukan dalam

penyelesaian masalah. Tahapan tersebut adalah sebagai berikut :

Gambar III.1 Alur Kerja Penelitian

Berdasarkan gambar di atas dapat di ketahui bahwa ada beberapa tahapan

dalam menyelesaiakan penelitian yaitu :

1. Identifikasi Masalah

Tahap ini merupakan tahapan awal dalam penelitian yaitu dengan

menetukan latar belakang masalah, tujuan dan manfaat agar tidak keluar

dari fokus pembahasan atau penyusunan skripsi.

27
 28

2. Kajian Teori

Tahap ini adalah mencari informasi, sumber-sumber yang berkaitan

dengan masalah yang dihadapi baik dari studi pustaka, jurnal dan internet

sebagai pendukung dan landasan dasar penulisan skripsi.

3. Pengumpulan Data

Tahap ini merupaka pengumpulan data yang diperlukan dalam pembuatan

skripsi seperti wawancara, observasi dan metode kuesioner yang kemudian

dapat diolah ke tahap selanjutnya.

a. Wawancara merupakan untk mendapatan informasi yang tepat dari

narasumber yang terpercaya, wawancara dilakukan dengan cara

penyampaian sejumlah pertanyaan kepada narasumber.

b. Observasi merupakan aktivitas terhadp suatu proses data objek dengan

maksud mudah memahami dan merasakan.

c. Metode kuesioner merupakan daftar pertanyan tertulis yang telah

disusun sebelumnya.

4. Analisa data

Tahap ini merupakan tahapan mengolah dan menganasis data yang telah

diperoleh sehingga data tersebut dapat di kelompokan sesuai dengan

variabel yang telah ditentukan.

5. Pengujian dan Implementasi

Tahap ini merupakan tahapan yang melakukan pengujian validasi dan

implementasi data yang telah dianalisa sebelumnya serta penyusunan

program.
 29

6. Evaluasi

Tahap ini merupakan tahapan mengambil kesimpulan dan saran yang

dapat dilakukan dalam penyusunan skripsi. Dengan adanya kesimpulan

maka akan diketahui hasil dari keseluruhan skripsi dan diharapkan dengan

saran akan ada perbaikan-perbaikan dan manfaat bagi yang lain.

3.2 Analisis Sistem

Dengan menganalisa data penduduk yang menumpuk dan data hanya

diproses di Arsip, maka dapat dilihat permasalah selama ini yaitu menumpuknya

data penduduk tanpa mengetahui data yang sebenarnya yang terdapat di Arsip

tersebut.

Dari banyaknya data yang telah terkumpul belum diterapkan

pengelompokan pendidikan terakhir, pekerjaan dan status dalam keluarga.

Sehingga data yang sudah ada menjadi kurang informative. Penerapan data

mining pada data penduduk diolah dengan Aplikasi Matlab, serta menggunakan

metode clustering yang nantinya menjadi tolak ukur keberhasilan pengembangan

sistem. Clustering adalah suatu metode pengelompokan berdasarkan ukuran

kedekatan (kemiripan). Sebuah cluster tidak harus sama akan tetapi

pengelompokannya berdasarkan pada kedekatan dari suatu karakteristik sampel

yang ada, salah satunya dengan menggunakan rumus jarak dEuclideon. Desain

konseptual untuk menggambarkan aktivitas-aktivitas yang dilakukan dengan

menggunakan flowchart.
 30

3.3 Perancangan Sistem

Berdasarkan analisis yang dilakukan, penulis akan menggali data untuk

dikelompokan dengan menggunakan metode clustering dengan algoritma K-

Means, dimana variabel-variabel dari data penduduk yang akan diambil untuk

penelitian tersebut adalah pendidikan terakhir, pekerjaan dan status dalam

keluarga. Kemudian dari data tersebut di masukan ke dalam Matlab sehingga

terdapat hasil 3 kelompok.

 31

3.3.1 Perancangan Flowchart

Adapun flowchart algoritma hirarki clustering dan K-means adalah :

Gambar III.2 Flowchart Algoritma Hirarki Clustering Dan K-means

Pengelompokan data dengan metode K-Means ini secara umum dilakukan dengan

cara sebagai berikut :

 32

1. Masukan data

2. Tentukan jumlah kelompok

3. Alokasi data ke dalam kelompok secara acak.

4. Hitung pusat kelompok (centroid/rata-rata) dari data yang ada di masing-

masing kelompok.

5. Alokasikan masing-masing data ke centroid/rata-rata terdekat.

6. Kembali ke langkah 3 apabila masih ada data yang berpindah kelompok,

atau apabila ada peubahan nilai centroid di atas nilai ambang yang

ditentukan, atau apabila perubahan nilai fungsi objektif yang digunakan

masih di atas nilai ambang yang ditentukan.

3.3.2 Mengukur Jarak Euclidean

Dalam penggunaan metode clustering, proses awal yang dilakukan untuk

pembentukan cluster adalah transformasikan data ke dalam bentuk numerik

dengan kode-kode yang telah ditentukan, lalu tentukan jumlah group (K), hitung

centroid, hitung jarak objek ke centroid dan kemudian group-kan berdasarkan

jarak terdekat, jika ada objek yang pindah group maka iterasi selesai.

Untuk menentukan group dari suatu objek, pertama yang harus dilakukan

adalah mengukur jarak dEuclidean antara dua titik objek (X dan Y) yang

didefinisikan sebagai berikut :

d
Euclidean(X,Y) √∑ ( X ¿−¿ Y )¿ ¿
i
i i
2

3.3.3 Analisis Transformasi Data

 33

Transformasi data merupakan proses pengubahan atau penggabungan data

ke dalam format yang sesuai untuk diproses dalam data mining. Sering kali data

yang akan digunakan dalam proses data mining mempunyai format yang belum

langsung bisa digunakan, oleh karena itu perlu dirubah formatnya.

3.4 Pendidikan Terakhir

Dari data penduduk terdapat tabel pendidikan terakhir. Berikut ini adalah

tabel pendidikan terakhir :

Tabel III.1 Pendidikan Terakhir

Kode Pendidikan Terakhir

1 SD

2 SLTP

3 SLTA

4 D3

5 S1

3.5 Pekerjaan

Dari data penduduk terdapat beberapa jenis pekerjaan. Berikut ini adalah

tabel pekerjaan :

Tabel III.2 Pekerjaan

 34

Kode Pekerjaan

1 PNS

2 Wiraswasta

3 Petani

4 Montir

5 Ibu Rumah Tangga

6 Belum Bekerja

7 Tidak Mempunyai Pekerjaan Tetap

3.6 Status Dalam Keluarga

Dari data penduduk terdapat beberapa jenis status dalam keluarga. Berikut

ini adalah tabel status dalam keluarga :

Tabel III.3 Status Dalam Keluarga

Kode Status Dalam Keluarga

1 Kepala Keluarga
2 Istri

3.7 Data Yang Akan di-Clustering

Data yang sudah ada dimasukan ke tabel untuk dilakukan Transformasi,

data yang dibutuhkan sebanyak 20 data terlebih dahulu. Berikut ini adalah data

yang akan di transformasikan.

Tabel III.4 Data yang akan di-Clustering

 35

N Pendidikan Status Dalam

Pekerjaan
o Nama Terakhir Keluarga
1 Edi Rahman SLTA Belum Bekerja Kepala Keluarga
2 Nur Aidah SLTP Ibu Rumah Tangga Istri
3 Hamad Wahyu SLTA Belum Bekerja Kepala Keluarga
Tidak Mempunyai Pekerjaan
Kelik Kepala Keluarga
4 SLTA Tetap
5 Siti Zakiah SLTP Ibu Rumah Tangga Istri
6 Liliana SLTP Wiraswasta Istri
Tidak Mempunyai Pekerjaan
Candra Kepala Keluarga
7 SLTP Tetap
8 Inda Sri Rahayu SLTA Wiraswasta Kepala Keluarga
9 Hamdani SLTA Belum Bekerja Kepala Keluarga
10 Yutika Sari SLTA Ibu Rumah Tangga Istri
11 Suratman SLTA Belum Bekerja Kepala Keluarga
12 Hari Susanti SLTA Ibu Rumah Tangga Istri
13 Seri Agustini D3 Belum Bekerja Kepala Keluarga
Tidak Mempunyai Pekerjaan
Sellya Hillyza Kepala Keluarga
14 D3 Tetap
Tidak Mempunyai Pekerjaan
Hamdan Kepala Keluarga
15 SLTA Tetap
16 Tri Suriati SLTA Ibu Rumah Tangga Istri
17 Pandi Harianto D3 Wiraswasta Kepala Keluarga
18 Mhd Syah Putra SLTP Ibu Rumah Tangga Istri
19 Susiani SLTA Wiraswasta Kepala Keluarga
20 Siska Anggrani SLTP Ibu Rumah Tangga Istri

3.8 Data Yang di Transformasi

Data yang sudah di transformasikan di dapat dari tiga variabel yang ada,

kemudian ditansformasikan sesuai kode yang terdapat di tabel masing-masing

variabel. Berikut ini adalah tabel data yang sudah di transformasikan :

Tabel III.5 Data yang di Trasformasi

 36

Status
Pendidikan
No Nama Pekerjaan dalam
Terakhir
Keluarga
1 A 3 6 1
2 B 2 5 2
3 C 3 6 1
4 D 3 7 1
5 E 2 5 2
6 F 2 2 2
7 G 2 7 1
8 H 3 2 1
9 I 3 6 1
10 J 3 5 2
11 K 3 6 1
12 L 3 5 2
13 M 4 6 1
14 N 4 7 1
15 O 3 7 1
16 P 3 5 2
17 Q 4 2 1
18 R 2 5 2
19 S 3 2 1
20 T 2 5 2

Lakukan cluster menjadi 3 kelompok (K=3) dan tentukan titik pusat centroid.

Adapun proses perhitungan clustering seperti dibawah ini.

K=3 Centroid
C1= (3,6,1) diambil dari data A
C2= (2,2,2) diambil dari data F
C2= (3,2,1) diambil dari data H
Iterasi 1 :

1. A (3,6,1)
 37

C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 0,00

C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 4,24
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 4,00

2. B (2,5,2)
C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 1,73
C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 3,00
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 3,32

3. C (3,6,1)

C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 0,00

C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 4,24
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 4,00

4. D (3,7,1)

C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 1,00

C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 5,20
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 5,00

5. E (2,5,2)

C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 1,73

C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 3,00
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 3,32

6. F (2,2,2)

C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 4,24

C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 0,00
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 1,41
7. G (2,7,1)
C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 1,41
C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 5,10
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 5,10

8. H (3,2,1)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 4,00
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 1,41
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 0,00
 38

9. I (3,6,1)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 0,00
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 4,24
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 4,00

10. J (3,5,2)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 1,41
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 3,16
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 3,16
11. K (3,6,1)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 0,00
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 4,24
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 4,00

12. L (3,5,2)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 1,41
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 3,16
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 3,16

13. M (4,6,1)
C1 (3,6,1) = √ ( 4−3 )2 +¿ ¿ 1,00
C2 (2,2,2) =√ ( 4−2 )2 +¿ ¿ 4,58
C3 (3,2,1) = √ ( 4−3 )2 +¿ ¿ 4,12

14. N (4,7,1)
C1 (3,6,1) = √ ( 4−3 )2 +¿ ¿ 1,41
C2 (2,2,2) =√ ( 4−2 )2 +¿ ¿ 5,48
C3 (3,2,1) = √ ( 4−3 )2 +¿ ¿ 5,10

15. O (3,7,1)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 1,00
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 5,20
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 5,00

16. P (3,5,2)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 1,41
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 3,16
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 3,16
 39

17. Q (4,2,1)
C1 (3,6,1) = √ ( 4−3 )2 +¿ ¿ 1,41
C2 (2,2,2) =√ ( 4−2 )2 +¿ ¿ 3,16
C3 (3,2,1) = √ ( 4−3 )2 +¿ ¿ 3,16

18. R (2,5,2)
C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 1,73
C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 3,00
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 3,32

19. S (3,2,1)
C1 (3,6,1) = √ ( 3−3 )2+¿ ¿ 4,00
C2 (2,2,2) =√ ( 3−2 )2 +¿ ¿ 1,41
C3 (3,2,1) = √ ( 3−3 )2+¿ ¿ 0,00

20. T (2,5,2)
C1 (3,6,1) = √ ( 2−3 )2 +¿ ¿ 1,73
C2 (2,2,2) =√ ( 2−2 )2 +¿ ¿ 3,00
C3 (3,2,1) = √ ( 2−3 )2 +¿ ¿ 3,32

3.9 Hasil Perhitungan Iterasi 1

Hasil perhitungan iterasi 1 di dapat dari tabel yang sudah di

transformasikan kemudian dilakukan perhitungan untuk mendapatkan hasil iterasi

1. Setelah didapat hasil iterasi 1 lalu dimasukan kedalam tabel iterasi 1. Berikut

ini adalah tabel hasil iterasi 1 :

Tabel III. 6 Hasil Perhitungan Iterasi 1

Group
No X Y Z C1 C2 C3

1 3 6 1 0,00 4,24 4,00 1

 40

2 2 5 2 1,73 3,00 3,32 1

3 3 6 1 0,00 4,24 4,00 1
4 3 7 1 1,00 5,20 5,00 1
5 2 5 2 1,73 3,00 3,32 1
6 2 2 2 4,24 0,00 1,41 2
7 2 7 1 1,41 5,10 5,10 1
8 3 2 1 4,00 1,41 0,00 3
9 3 6 1 0,00 4,24 4,00 1
10 3 5 2 1,41 3,16 3,16 1
11 3 6 1 0,00 4,24 4,00 1
12 3 5 2 1,41 3,16 3,16 1
13 4 6 1 1,00 4,58 4,12 1
14 4 7 1 1,41 5,48 5,10 1
15 3 7 1 1,00 5,20 5,00 1
16 3 5 2 1,41 3,16 3,16 1
17 4 2 1 4,12 2,24 1,00 3
18 2 5 2 1,73 3,00 3,32 1
19 3 2 1 4,00 1,41 0,00 3
20 2 5 2 1,73 3,00 3,32 1

Setelah dilakukan perhitungan menggunakan rumus cluster yang ada, maka group

berdasarkan jarak minimal Centroid terdekat adalah:

Group Lama : {0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0}

Group Baru : {1,1,1,1,1,2,1,2,1,1,1,1,1,1,1,1,3,1,3,1}

Terjadi perubahan group dilanjutkan ke iterasi berikut :

Iterasi 2 :
K =3

Centroid 1 Group 1

C1= ((3+2+3+3+2+2+3+3+3+3+4+4+3+3+2+2)
 41

16

(6+5+6+7+5+7+6+5+6+5+6+7+7+5+5+5)
16

(1+2+1+1+2+1+1+2+1+2+1+1+1+2+2+2))
16

= (2,81 5,81 1,44)

Centroid 2 Group 2

C2 = ((2) (2) (2)

1 1 1

= (2,00 2,00 2,00)

Centroid 3 Group 3

C3= (3+4+3) (2+2+2) (1+1+1)

3 3 3

= (3,33 2,00 1,00)

Jadi K=3 Centroid

C1 = (2,81 5,81 1,44)

C2 = (2,00 2,00 2,00)
C3 = (3,33 2,00 1,00)

1. A(3,6,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿0,51

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 4,24
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 4,10

2. B(2,5,2)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 3,00
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿3,43
 42

3. C (3,6,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿0,51

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 4,24
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 4,10

4. D (3,7,1)
C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿1,28
C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 5,20
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 5,01

5. E (2,5,2)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 3,00
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿3,43

6. F (2,2,2)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿3,94

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 0,00
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿1,67
7. G (2,7,1)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿1,50

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 5,10
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿5,17

8. H (3,2,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿3,84

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 1,41
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 0,33

9. I (3,6,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿0,51

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 4,24
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 4,10
 43

10. J (3,5,2)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿1,01

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 3,16
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 3,18

11. K (3,6,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿0,51

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 4,24
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 4,10

12. L (3,5,2)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿1,01

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 3,16
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 3,18

13. M (4,6,1)

C1(2,81 5,81 1,44) = √ ( 4−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 4−2,00 )2 +¿ ¿ 4,58
C3(3,33 2,00 1,00) =√ ( 4−3,33 )2 +¿ ¿4,06

14. N (4,7,1)

C1(2,81 5,81 1,44) = √ ( 4−2,81 )2 +¿ ¿1,74

C2(2,00 2,00 2,00) = √ ( 4−2,00 )2 +¿ ¿ 5,48
C3(3,33 2,00 1,00) =√ ( 4−3,33 )2 +¿ ¿5,04

15. O (3,7,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 5,20
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 5,01
16. P (3,5,2)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿1,01

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 3,16
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 3,18
 44

17. Q (4,2,1)

C1(2,81 5,81 1,44) = √ ( 4−2,81 )2 +¿ ¿4,02

C2(2,00 2,00 2,00) = √ ( 4−2,00 )2 +¿ ¿ 2,24
C3(3,33 2,00 1,00) =√ ( 4−3,33 )2 +¿ ¿0,67

18. R (2,5,2)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 3,00
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿3,43

19. S (3,2,1)

C1(2,81 5,81 1,44) = √ ( 3−2,81 )2 +¿ ¿3,84

C2(2,00 2,00 2,00) = √ ( 3−2,00 )2+¿ ¿ 1,41
C3(3,33 2,00 1,00) =√ ( 3−3,33 )2+¿ ¿ 0,33

20. T (2,5,2)

C1(2,81 5,81 1,44) = √ ( 2−2,81 )2 +¿ ¿1,28

C2(2,00 2,00 2,00) = √ ( 2−2,00 )2 +¿ ¿ 3,00
C3(3,33 2,00 1,00) =√ ( 2−3,33 )2 +¿ ¿3,43

3.10 Hasil Perhitungan iterasi 2

Hasil perhitungan iterasi 2 didapat dari hasil tabel perhitungan itersi 1 lalu

didapat dari Cluster pada iterasi 1. Berikut ini adalah tabel hasil iterasi 2 :

Tabel III.7 Hasil Perhitungan Iterasi 2

Group
No X Y Z C1 C2 C3

1 3 6 1 0,51 4,24 4,01 1

 45

2 2 5 2 1,28 3,00 3,43 1

3 3 6 1 0,51 4,24 4,01 1
4 3 7 1 1,28 5,20 5,01 1
5 2 5 2 1,28 3,00 3,43 1
6 2 2 2 3,94 0,00 1,67 2
7 2 7 1 1,50 5,10 5,17 1
8 3 2 1 3,84 1,41 0,33 3
9 3 6 1 0,51 4,24 4,01 1
10 3 5 2 1,01 3,16 3,18 1
11 3 6 1 0,51 4,24 4,01 1
12 3 5 2 1,01 3,16 3,18 1
13 4 6 1 1,28 4,58 4,06 1
14 4 7 1 1,74 5,48 5,04 1
15 3 7 1 1,28 5,20 5,01 1
16 3 5 2 1,01 3,16 3,18 1
17 4 2 1 4,02 2,24 0,67 3
18 2 5 2 1,28 3,00 3,43 1
19 3 2 1 3,84 1,41 0,33 3
20 2 5 2 1,28 3,00 3,43 1

Setelah dilakukan perhitungan menggunakan rumus cluster yang ada, pada iterasi

1 terjadi sama seperti iterasi 2 dan Tidak ada data yang berpindah group lagi

sehingga perhitungan dapat dihentikan. Sehingga dapat dibuat grafik cluster-nya.

Adapun hasil group yang diperoleh dari perhitungan Iterasi 1 dan 2 adalah sebagai

berikut :

Group Lama : {1,1,1,1,1,2,1,2,1,1,1,1,1,1,1,1,3,1,3,1}

Group Baru : {1,1,1,1,1,2,1,2,1,1,1,1,1,1,1,1,3,1,3,1}

 46

3.11 Grafik Clustering

Membuat grafik cluster berdasarkan perhitungan yang telah dilakukan.

Adapun grafik yang diperoleh adalah sebagai berikut :

Gambar III.3 Grafik Cluster berdasarkan perhitungan yang telah dilakukan

Cluster 1 : 2,81; 5,81; 1,44

Cluster 2 : 2,00; 2,00; 2,00
Cluster 3 : 3,33; 2,00; 1,00

Penjelasan Grafik :

Dari 20 data diperoleh 3 group, Cluster 1 terdapat 16 data, Cluster 2

terdapat 1 data, dan Cluster 3 terdapat 3 data. Dan diperoleh Group terbanyak

adalah cluster 1.
 47

1. Cluster 1 Terdapat 16 Data

2,81; 5,81; 1,44

Dapat diketahui pada cluster 1 terdapat pendidikan terakhir SLTA memiliki

jenis pekerjaan belum bekerja dan status dalam keluarga kepala keluarga.

2. Cluster 2 Terdapat 1 Data

2,00; 2,00; 2,00

Dapat diketahui pada cluster 2 terdapat pendidikan terakhir SLTP memiliki

jenis pekerjaan wiraswasta dan status dalam keluarga istri.

3. Cluster 3 Terdapat 3 Data

3,33; 2,00; 1,00

Dapat diketahui pada cluster 3 terdapat pendidikan terakhir SLTA jenis

pekerjaan wiraswasta dan status dalam keluarga kepala keluarga.

3.12 Rancangan Antar Muka

 48

Rancangan antar muka (interface) dibuat bertujuan sebagai panduan

dalam penerapan ketika di aplikasikan kedalam bahasa pemrograman dan menjadi

gambaran awal tentang aplikasi sistem data mining yang akan dibangun.

Gambar III.4 Diagram Hirarki Antar Muka Data Mining

3.12.1 Rancangan Form Menu Utama

Halaman Menu Utama ini dapat melakukan pengolahan data.

Form Menu Utama

Proses Clustering Informasi Bantuan/About

Pengelompokkan data penduduk terhadap status dalam keluarga berdasarkan

pendidikan terakhir dan pekerjaannya menggunakan metode clustering
(Studi Kasus : Kantor Desa Sei Penjara)

Gambar III.5 Interface Menu Utama Yang Dirancang

3.12.2 Sub Menu Proses Clustering

 49

Pada halaman ini akan terlihat keseluruhan proses data mining sampai

pada pemunculan grafik dan keterangan centroid sebagai hasil dari perhitungan

dengan metode clustering menggunakan algoritma k-means. Dengan desain form

sebagai berikut

Pengelompokkan data penduduk terhadap status dalam keluarga

berdasarkan pendidikan terakhir dan pekerjaannya menggunakan
metode clustering (Studi Kasus : Kantor Desa Sei Penjara)

Jumlah Cluster Form Centroid

Klik Ambil Data Cent 1

Jumlah Jumlah Cent 2

Baris Kolom
Proses Cluster Cent 3

Form Jumlah Anggota Cluster

Jumlah Anggota C1
Form Keterangan Centroid
Jumlah Anggota C2
Cent 1
Jumlah Anggota C3
Cent 2

Cent 3

Tabel 2 Cluster
Tabel 3 Cluster

Gambar III.8 Form Proses Clustering

Kembali Ke Home

Gambar III.6 Form Menu Proses Clustering

3.12.3 Sub Menu Informasi

 50

Pada halaman ini akan terlihat informasi data penduduk menurut kategori

yang tersimpan di Microsoft Excel yang telah terkoneksi dengan Matlab, dimana

data tersebut mengalami proses seleksi berdasarkan jenis pendidikan terakhir,

pekerjaannya dan status dalam keluarga. Dimana desain formnya sebagai berikut:

Form Informasi Data Penduduk

Data Penduduk

Jenis Pendidikan Terakhir

Pekerjaan

Status dalam Keluarga

Proses Home Keluar

Informasi

Gambar III.7 Form Informasi

3.12.4 Sub Menu About/Bantuan

Pada halaman ini akan terlihat bantuan seperti penjelasan data penduduk

dan penjelasan mengenai aplikasi yang digunakan dalam pengolahan data yang

ada. Dimana desain formnya sebagai berikut:

Form Bantuan
 51

Penjelasan Data Penduduk

Aplikasi Yang Digunakan

Foto Profil

Home Keluar

Gambar III.8 Form Bantuan