Analisis Klasterisasi Patok Jalan Berbasis Geospasial Menggunakan K-Means dan Evaluasi Davies-Bouldin
Bilah Samping Artikel
Read Counter : 115
Download : 80
Isi Artikel Utama
Abstrak
Sistem Informasi Geografis (SIG) telah menjadi alat yang sangat penting untuk analisis spasial dan pengambilan keputusan di berbagai bidang. Dalam paper ini, proses analisis tentang pengelompokan patok Kilometer Hektometer (KM/HM) menggunakan metode K-Means dalam konteks SIG. Patok KM/HM merupakan perlengkapan jalan yang terbuat dari beton atau papan rambu yang dilengkapi tulisan yang berisi informasi tentang jarak dan nama kota yang akan ditempuh oleh pengguna jalan. Panjang jalan yang memiliki jarak begitu jauh akan menyulitkan untuk pemeliharaan dan pengelolaan patok yang tersebar di seluruh ruas jalan. Saat ini, proses pemetaan lokasi patok masih dilakukan dengan metode konvensional, yaitu petugas survei mencatat data di kertas dan mengukur dengan odometer kendaraan. Namun, cara ini sering menyebabkan terjadinya kehilangan data, kesalahan dalam menentukan lokasi, serta tidak memiliki bukti foto sebagai acuan untuk menilai kondisi patok. Peran SIG bagi petugas survei dapat melakukan pemetaan patok dan memvisualisasikan data patok. Tujuan utamanya adalah untuk mendapatkan wawasan yang bermakna dari distribusi spasial patok-patok ini, yang akan membantu dalam navigasi yang lebih baik dan perencanaan infrastruktur. Metode K-Means menjadikan klaster terpisah dari patok KM/HM yang diidentifikasi berdasarkan kedekatan geografis. Untuk menilai kualitas klaster ini, evaluasi menggunakan indeks Davies-Bouldin (DBI), yang memberikan ukuran kuantitatif dari kemiripan antar-kelompok dan ketidaksamaan dalam kelompok. Bagi petugas dapat bermanfaat untuk mencari titik lokasi patok yang memiliki kondisi kerusakan tinggi untuk diprioritaskan perbaikan terlebih dahulu. Berdasarkan hasil pengujian menggunakan DBI menghasilkan nilai hampir mendekati nol yaitu sebesar 0,1656 menunjukkan bahwa klaster yang terbentuk memiliki kualitas sangat baik.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Kebijakan yang diajukan untuk jurnal yang menawarkan akses terbuka
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Referensi
Batarius, P., Siki, Y. C. H., & others. (2023). Klasterisasi Data Hasil Produksi Pertanian dan Peternakan Provinsi Nusa Tenggara Timur Menggunakan Metode K-Means. Jurnal Informatika Polinema, 9(4), 415–426.
Ika Febryanti, W. O., Sri Adiningsi, & Rizal Adi Saputra. (2023). MENGANALISIS POLA DEFORESTASI HUTAN LINDUNG DI SULAWESI TENGGARA MENGGUNAKAN METODE K-MEANS. Jurnal Informatika Polinema, 10(1), 53–58. https://doi.org/10.33795/jip.v10i1.1455
Jumadi Dehotman Sitompul, B., Salim Sitompul, O., & Sihombing, P. (2019). Enhancement Clustering Evaluation Result of Davies-Bouldin Index with Determining Initial Centroid of K-Means Algorithm. Journal of Physics: Conference Series, 1235(1), 012015. https://doi.org/10.1088/1742-6596/1235/1/012015
Kusbianto, D., Mentari, M., & Syahrin, E. A. (2018). PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN PEMBAGIAN KELAS SISWA BARU. Seminar Informatika Aplikatif Polinema.
Permen PUPR No. 19/PRT/M/2011 Tahun 2011. (t.t.). Diambil 28 Agustus 2023, dari https://peraturan.bpk.go.id/Home/Details/160044/permen-pupr-no-19prtm2011-tahun-2011
Prabiantissa, C. N., Tri, A. R., & Asmara, R. A. (2017). Sistem Identifikasi Batik Alami Dan Batik Sintetis Berdasarkan Karakteristik Warna Citra Dengan Metode K-Means Clustering. Jurnal Informatika Polinema, 3(2), 26.
Pratama, Y. A., Ririd, A. R. T. H., & Ariyanto, Y. (2018). SISTEM PENGELOMPOKAN WILAYAH RAWAN KECELAKAAN DI KOTA MALANG MENGGUNAKAN METODE CHEBYSHEV DISTANCE K-MEANS STUDI KASUS POLRES MALANG KOTA. Seminar Informatika Aplikatif Polinema.
Prianggoro, F. D., Aji, D. K. P., & Mashudi, I. A. (2020). Implementasi Metode Rapid Centroid Estimation dan K-Means Untuk Klasterisasi Sekolah Berdasarkan Fasilitas (Studi Kasus Sekolah Negeri Kabupaten Malang). Seminar Informatika Aplikatif Polinema.
Putra, Y. P., Yunhasnawa, Y., & Rahutomo, F. (2020). Evaluasi Kmeans Clustering Pada Preprocessing Sistem Temu Kembali Informasi. Seminar Informatika Aplikatif Polinema.
Rahma, I., Arhandi, P. P., & Firdausi, A. T. (2019). Penerapa Metode Hierarchical Clustering Dan K-Means Clustering Untuk Mengelompokkan Potensi Lokasi Penjualan Linkaja. Jurnal Informatika Polinema, 6(1), 15–22.
Rahmadhani, R. H., Rozi, I. F., & Asmara, R. A. (2021). Live K-Means Clustering Pada Wireless Sensor Network Menggunakan Google Maps Api. Seminar Informatika Aplikatif Polinema, 46–52.
Septiani, I. W., Fauzan, Abd. C., & Huda, M. M. (2022). Implementasi Algoritma K-Medoids Dengan Evaluasi Davies-Bouldin-Index Untuk Klasterisasi Harapan Hidup Pasca Operasi Pada Pasien Penderita Kanker Paru-Paru. Jurnal Sistem Komputer dan Informatika (JSON), 3(4), 556. https://doi.org/10.30865/json.v3i4.4055
Singh, A. K., Mittal, S., Malhotra, P., & Srivastava, Y. V. (2020). Clustering Evaluation by Davies-Bouldin Index(DBI) in Cereal data using K-Means. 2020 Fourth International Conference on Computing Methodologies and Communication (ICCMC), 306–310. https://doi.org/10.1109/ICCMC48092.2020.ICCMC-00057
Syaifudin, Y. W., & Irawan, R. A. (2018). Implementasi Analisis Clustering Dan Sentimen Data Twitter Pada Opini Wisata Pantai Menggunakan Metode K-Means. Jurnal Informatika Polinema, 4(3), 189–194.
Waluyo, M. R. E., Saputra, P. Y., & Dien, H. E. (2020). KLASTERISASI WILAYAH TANAH LONGSOR BERDASARKAN DAMPAK WILAYAH DAN GEOGRAFIS MENGGUNAKAN METODE K-MEANS (Studi Kasus: Kabupaten dan Kota di Jawa Timur). Seminar Informatika Aplikatif Polinema.