Penerapan Algoritma K-Means Untuk

Clustering Data Pengunjung Wisata Pada

Dinas Pariwisata Kepemudaan Dan Olahraga
Kabupaten Batang
Choerul Multazam
A11.2013.07882
 Latar Belakang
Kabupaten Batang terletak di sebelah kawasan
pantai utara (pantura) Jawa Tengah dan berada
di jalur utama yang menghubungkan beberapa
kota dan provinsi antara Jakarta sampai ke
Surabaya. Hal ini mengakibatkan arus
transportasi dari beberapa kendaraan dan
mobilitas yang tinggi di jalur pantura.

Kondisi wilayah di Kabupaten Batang

merupakan kombinasi antara daerah dataran
rendah, pantai dan pegunungan. Terdapat
beberapa tempat wisata yang dapat di kunjungi
di Kabupaten Batang.

Potensi wisata yang berkembang tidak

diimbangi dengan perkembangan teknologi
yang digunakan. Dengan penggunaan teknologi
diharapkan dapat menjadi bahan evaluasi untuk
pemerataan jumlah pengunjung wisata yang
ada di Kabupaten Batang.

2
Rumusan
Masalah
Bagaimana cara menerapkan dan membuat sistem
pengelompokan data pengunjung wisata pada dinas
pariwisata kepemudaan dan olahraga Kabupaten
Batang dengan metode K-Means.

Tujuan Clustering data pengunjung wisata dengan

menerapkan Algoritma K-Means di dinas pariwisata

Penelitian kepemudaan dan olahraga Kabupaten Batang.

3
 Bagi peneliti
Memperluas pengetahuan tentang
penggunaan metode K-Means dalam cabang
ilmu data mining.

Bagi Dinas Pariwisata

Kepemudaan dan Olahraga
Manfaat Kabupaten Batang
Mempermudah Dinas Pariwisata Kepemudaan

penelitian dan Olahraga Kabupaten Batang dalam

mengelompokkan data pengunjung wisata
dan pemerataan pengunjung wisata yang ada
di Kabupaten Batang.

Bagi pembaca
Mendapatkan Pengetahuan tentang metode
K-Means yang dapat digunakan untuk
mengoptimalkan algoritma lain dan dapat
dijadikan referensi penelitian lebih lanjut
4
Data mining
Data mining merupakan suatu istilah yang digunakan untuk
menguraikan penemuan pengetahuan di dalam database. Data mining
adalah Proses yang menggunakan teknik statistic, matematika,
kecerdasan buatan, dan machine learning untuk mengekstraksi dan
mengidentifikasi informasi yang bermanfaat dan pengetahuan yang
terkait dari berbagai database besar [Afrisawati, 2013 dalam Maulida,
Linda]

5
Clustering
Clustering mengacu pada pengelompokan catatan, observasi, atau kasus
yang mirip satu sama lain ke dalam kelas yang serupa dan berbeda dengan
catatan dalam cluster lain. Clustering berbeda dengan classification yang
tidak ada variabel target untuk clustering. Sebaliknya, algoritma klasterisasi
mencari ke segmen data seluruh set menjadi sub kelompok yang relatif
homogen atau kelompok, di mana kesamaan catatan dalam cluster
dimaksimalkan, dan kesamaan catatan luar cluster ini diminimalkan (Daniel
t. Larose,2005 dalam Taslim & Fajrizal).

6
Teorema K-Means
Metode K-Means adalah algoritma pengelompokan iterative yang
melakukan partisi set data ke dalam sejumlah K cluster yang sudah
ditetapkan di awal. Algoritma K-Means sederhana untuk di
implementasikan dan dijalankan, relatif cepat, mudah beradaptasi,
umum pengunaannya dalam praktek. Secara historis, K-Means menjadi
salah satu algoritma yang paling penting dalam bidang data mining
(Purbasari, 2012 dalam Frettyra, Yevi Astrid).

7
 Kerangka Berpikir

Perkembangan wisata di Menerapkan Clustering Input Metod Implementa Menghasilkan sistem yang
kabupaten Batang tidak data pengunjung wisata e si mampu mengelompokkan
diimbangi dengan menerapkan Data K-Means Matlab objek wisata di Kabupaten
perkembangan teknologi Algoritma K-Means di pengunjung Batang dengan
yang digunakan sebagai dinas pariwisata wisata dari menggunakan algoritma k-
dinas means
upaya pemerataan kepemudaan dan
pariwisata
wisatawan di kabupaten olahraga Kabupaten kepemudaa
Batang Batang. n dan
olahraga
kab Batang

8
THANK YOU FOR
WATCHING!
• ANY QUESTIONS?