BAB II

TINJAUAN PUSTAKA

2.1 Tinjauan Pustaka

2.1.1 Burung Lovebird
Burung Cinta atau Lovebird adalah burung beo kecil yang berasal dari
genus Agapornis. Burung ini berukuran kecil dengan ukuran berkisar 13-17 cm
dengan 40-60 g beratnya serta memiliki ekor yang pendek dan paruh yang besar.
Burung ini memiliki 9 spesies dengan 8 spesies diantaranya berasal dari Afrika dan 1
spesies berasal dari Madagaskar. Burung ini bersifat monogami dengan sifat
berpasangan dan akan duduk berdekatan dan saling menyayangi. Burung ini mampu
hidup hingga umur 10-15 tahun (www.faunadanflora.com).

Gambar 1. Burung Lovebird

2.1.2 Teori Clustering

Clustering atau klasterisasi adalah metode pengelompokan data. Menurut
Tan, 2006 clustering adalah sebuah proses untuk mengelompokan data ke dalam
beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki tingkat
kemiripan yang maksimum dan data antarcluster memiliki kemiripan yang
minimum.
Clustering merupakan proses partisi satu set objek data ke dalam himpunan
bagian yang disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan
karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain. Partisi
tidak dilakukan secara manual melainkan dengan suatu algoritma clustering. Oleh
karena itu, clustering sangat berguna dan bisa menemukan group atau kelompokyang
tidak dikenal dalam data. Clustering banyak digunakan dalam berbagai aplikasi
seperti misalnya pada business inteligence, pengenalan pola citra, web search, bidang
ilmu biologi, dan untuk keamanan (security). Di dalam business
inteligence, clusteringbisa mengatur banyak customer ke dalam banyaknya
kelompok. Contohnya mengelompokan customer ke dalam beberapa cluster dengan
kesamaan karakteristik yang kuat. Clustering juga dikenal sebagai data segmentasi
karena clustering mempartisi banyak data set ke dalam banyak group berdasarkan
kesamaannya. Selain itu clustering juga bisa sebagai outlier detection
(www.binus.ac.id)

3
2.1.3 Teori K-Means
K-means merupakan salah satu metode clustering non hirarki yang berusaha
mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Metode ini
mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang
sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai
karateristik yang berbeda di kelompokan ke dalam cluster yang lain.
Kelebihan algoritma K-Means
Ada beberapa kelebihan pada algoritma k-means, yaitu :
1. Mudah untuk diimplementasikan dan dijalankan.
2. Waktu yang dibutuhkan untuk menjalankan pembelajaran ini relatif cepat.
3. Mudah untuk diadaptasi.
4. Umum digunakan.
Kekurangan dari algoritma K-Means yaitu :
1. Sebelum algoritma dijalankan, k buah titik diinisialisasi
secara random sehingga pengelompokkan data yang dihasilkan dapat
berbeda-beda. Jika nilai random untuk inisialisasi kurang baik, maka
pengelompokkan yang dihasilkan pun menjadi kurang optimal.
2. Dapat terjebak dalam masalah yang disebut curse of dimensionality. Hal ini
dapat terjadi jika data pelatihan memiliki dimensi yang sangat tinggi (Contoh
jika data pelatihan terdiri dari 2 atribut maka dimensinya adalah 2 dimensi.
Namun jika ada 20 atribut, maka akan ada 20 dimensi). Salah satu cara kerja
algoritma ini adalah mencari jarak terdekat antara k buah titik dengan titik
lainnya. Jika mencari jarak antar titik pada 2 dimensi, masih mudah
dilakukan. Namun bagaimana mencari jarak antar titik jika terdapat 20
dimensi. Hal ini akan menjadi sulit.
3. Jika hanya terdapat beberapa titik sampel data, maka cukup mudah untuk
menghitung dan mencari titik terdekat dengan k titik yang diinisialisasi
secara random.Namun jika terdapat banyak sekali titik data (misalnya satu
milyar buah data), maka perhitungan dan pencarian titik terdekat akan
membutuhkan waktu yang lama. Proses tersebut dapat dipercepat, namun
dibutuhkan struktur data yang lebih rumit seperti kD-Tree atau hashing.
(www.fikom.umi.ac.id)

2.2 Penelitian Terdahulu

Penelitian terdahulu ini menjadi salah satu acuan dalam melakukan penelitian
sehingga dapat memperkaya teori yang digunakan dalam mengkaji penelitian yang
dilakukan. Dari penelitian terdahulu, tidak menemukan penelitian dengan judul yang
sama seperti judul penelitian. Namun mengangkat beberapa penelitian sebagai
referensi dalam memperkaya bahan kajian pada penelitian. Berikut merupakan
penelitian terdahulu berupa beberapa jurnal terkait dengan penelitian yang dilakukan.

1. Nama : Andi Kurniawan (2018)

Judul : Sistem pendukung keputusan penilaian kontes burung
Cendet menggunakan algoritma profile matching di eo
nirwana bc.
Deskripsi : Aplikasi ini dibuat untuk penghitungan nilai kontes burung
cendet seorang panitia akan mudah dalam menentukan siapa
yang berhak mendapatkan juara pada kontes burung cendet

4
 di EO Nirwana BC ini secara optimal dengan menggunakan
metode profile matching.
2. Nama : Khairi, Huzainsyahnoor Aksad (2015)
Judul : Model Penunjang Keputusan Penentuan Juara Kontes
Burung Menggunakan Metode Weighted Product
Deskripsi : Sistem yang dirancang dengan metode Weighted Product
(WP) digunakan untuk mencari nilai tertinggi dari setiap
instrumen (kriteria) berdasarkan bobot yang sudah
ditentukan. Adapun beberapa kriteria penilaian untuk
menentukan pemenang kontes burung murai batu yaitu
Volume Suara, Irama Lagu, Fisik/Gaya, Kestabilan Suara
dan Keindahan Sangkar. Dari instrumen tersebut didapatkan
hasil berupa urutan (ranking) berdasarkan nilai tertinggi.
Berdasarkan prestest dan posttest maka didapatkan hasil
tingkat kesesuaian sebesar 72% dan tidak sesuai sebesar
28%.
3. Nama : Syaiful Rahman (2017)
Judul : Pemilihan Induk Lovebird Berdasarkan Pakem Penilaian
Beauty Contest Lovebird Menggunakan Metode Profile
Matching
Deskrpsi : Sistem yang dirancang dengan menggunakan metode Profile
Matching yang dibangun ini dapat membantu dan
mempermudah dalam proses pemilihan induk lovebird
dengan berdasarkan bobot dan kriteria yang sudah
ditentukan, yaitu mengacu pada pakem penilaian Beauty
Contest Lovebird.

2.3 Tabel Perbandingan Penelitian

Merupakan sebuah table kumpulan hasil penelitian terdahulu yang diuraikan
secara rinci dan dibandingkan dengan penelitian yang sedang dilakukan dalam
bentuk tabel, contoh dapat dilihat pada tabel 1.
Tabel 1.Tabel Perbandingan
No Nama/Tahun Pemrograman Metode Burung
Penelitian
Desktop

Matching

K-Means

Lovebird

Cendet
Profile
PHP

Murray
WP

1 Andi √ √ √
Kurniawan,
2018
2 Khairi, √ √ √
Huzainsyahnoor
Aksad, 2014
3 Syaiful √ √ √
Rahman, 2017
4 Randika √ √ √
Dwiyanto, 2018