Clustering tanaman herbal penyusun jamu menggunakan algoritme K-means

CLUSTERING TANAMAN HERBAL PENYUSUN JAMU
MENGGUNAKAN ALGORITME K-MEANS

DIAN SAGITA LUMBANBATU

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul clustering tanaman
herbal penyusun jamu menggunakan algoritme k-means adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.
Bogor, Agustus 2014
Dian Sagita Lumbanbatu
NIM G64080070

ABSTRAK
DIAN SAGITA LUMBANBATU. Clustering Tanaman Herbal Penyusun Jamu
menggunakan Algoritme K-means. Dibimbing oleh WISNU ANANTA
KUSUMA dan AZIZ KUSTIYO.
Jamu adalah obat tradisional berbahan alami. Jamu merupakan warisan
budaya Indonesia yang dipercaya bermanfaat untuk kesehatan. Dalam
perkembangannya telah dilakukan penelitian tentang hubungan antara komposisi
dan khasiat jamu yang memiliki aktivitas farmakologi tertentu. Namun, dalam
perkembangannya hubungan khasiat jamu dengan komposisi yang terkandung di
dalamnya menjadi topik yang menarik untuk dikembangkan. Clustering adalah
salah satu metode pengelompokan sejumlah obyek berdasarkan ciri atau atribut
tertentu ke dalam sejumlah kelompok (cluster). Metode ini digunakan untuk
mengelompokkan tanaman herbal penyusun jamu untuk dianalisa hubungan
antara khasiat dengan komposisi jamu menggunakan algoritme K-means.
Tanaman jamu yang dikelompokkan memiliki khasiat yang sama dengan efikasi

yang dominan pada kelompoknya.
Kata kunci: Clustering, Jamu, K-means, Tanaman Herbal

ABSTRACT
DIAN SAGITA LUMBANBATU. Clustering composition of medical herbs using
K-means algorithm. Supervised by WISNU ANANTA KUSUMA and AZIZ
KUSTIYO.
Jamu is a traditional medicine that made from natural ingredients. Jamu is
Indonesian national heritage that believed to be useful for health. In the
development of the research has been done, found the relationship between the
composition and efficacy of herbs that have specific pharmacological activity.
However, the efficacy of herbal medicine development relationship with the
composition becomes an interesting topic to be developed. Clustering is one of
method to grouping a number of objects based on certain characteristics or
attributes into a number of groups (clusters). This method is used to classify the
ingredients of herbs that used to compose jamu and analyze relationship between
efficacy and composition of jamu using k-means algorithm. Herbs are classified
as having the same efficacy of the dominant group.
Keywords: Clustering, Herbal Medicine, Herbs, K-means

CLUSTERING TANAMAN HERBAL PENYUSUN JAMU
MENGGUNAKAN ALGORITME K-MEANS

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Penguji : Imas S Sitanggang, SSi Mkom

Judul Skripsi : Clustering Tanaman Herbal Penyusun Jamu Menggunakan
Algoritme K-means
Nama

: Dian Sagita Lumbanbatu
NIM
: G64080070

Disetujui oleh

Dr Eng Wisnu Ananta Kusuma, MT
Pembimbing I

Aziz Kustiyo, SSi MKom
Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA

Puji dan syukur penulis panjatkan kepada Tuhan yang Maha Esa atas segala
karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan.
Terima kasih penulis ucapkan kepada Bapak Dr Eng Wisnu Ananta
Kusuma, ST MT dan Bapak Aziz Kustiyo, SSi MKom selaku pembimbing,
kepada ibu Imas Sitanggang sebagai penguji skripsi penulis serta seluruh dosen
dan staf Departemen Ilmu Komputer. Ungkapan terima kasih juga disampaikan
kepada ayah, ibu, abang Lundu serta seluruh keluarga, atas segala doa dan kasih
sayangnya. Di samping itu, penulis menyampaikan terima kasih kepada temanteman terdekat penulis, rekan-rekan Ilkomerz khususnya Ilkomerz 45 yang telah
saling memberi semangat dan bantuannya untuk menyelesaikan penelitian.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2014
Dian Sagita Lumbanbatu

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE

2

Tahapan Penelitian

2

Lingkungan Pengembangan

5

Clustering

5

Algoritme K-means

5

HASIL DAN PEMBAHASAN

6

Penerapan K-means

6

Analisa Hasil Pengelompokan

8

SIMPULAN DAN SARAN

11

Simpulan

11

Saran

11

DAFTAR PUSTAKA

12

LAMPIRAN

13

RIWAYAT HIDUP

28

DAFTAR TABEL
1 Nama khasiat formula jamu
2 Jumlah efikasi yang bernilai sama dengan setiap kelompok pada
percobaan 9 kelompok
3 Tabel efikasi yang dominan pada setiap kelompok pada percobaan 9
kelompok
4 Tabel Z3 dengan pembobotan 0.3 pada data 9 kelompok

4
9
9
10

DAFTAR GAMBAR
1
2
3
4
5
6

Tahapan penelitian
Perintah untuk kelompok data dan proses pengelompokkan kelompok
Perintah pembuatan matriks efikasi dominan
Perintah yang diterapkan untuk pengambilan tanaman
Perintah yang diterapkan untuk pengambilan tanaman
Hasil perhitungan efikasi yang dominan sama dengan setiap kelompok
pada percobaan pengelompokkan 9 kelompok, 20 kelompok dan 30
kelompok

3
6
7
7
7

8

DAFTAR LAMPIRAN
1
2
3
4

Tabel matriks efikas
Tabel efikasi dominan setiap kelompok
Keterangan nama P1-Pn
Tabel Z1

13
15
16
22

PENDAHULUAN
Latar Belakang
Pengertian Jamu dalam Permenkes N0. 003/Menkes/Per/I/2010 adalah
bahan yang berupa tumbuhan, bahan hewan, bahan mineral, sediaan sarian
(galenik) atau campuan dari bahan tersebut yang secara turun temurun telah
digunakan untuk pengobatan dan dapat diterapkan sesuai dengan norma yang
berlaku di masyarakat Menurut WHO, sekitar 80% dari penduduk di beberapa
negara Asia dan Afrika menggunakan obat tradisional untuk mengatasi masalah
kesehatannya.
Adam et al. (2006) meneliti sel prostat menunjukkan bahwa penggunaan
kombinasi dari beberapa ekstrak tanaman memiliki interaksi sinergi yang lebih
baik dibandingkan hanya menggunakan satu ekstrak tanaman saja. Oleh sebab itu,
jamu memiliki banyak variasi formula. Beers et al. (2001) mengembangkan
formula jamu sendiri berdasarkan bahan-bahan alami yang ada di wilayah itu.
Meskipun jamu telah terbukti secara empiris dapat menyembuhkan beberapa
penyakit, belum ada cukup bukti yang dapat menjelaskan hubungan antara
formula dengan khasiatnya.
Afendi et al. (2010) telah melakukan suatu upaya sistematis untuk
menemukan hubungan antara komposisi dan khasiat jamu dengan menggunakan
pendekatan statistika. Penelitian ini menunjukkan bahwa jamu dengan khasiatnya
memiliki aktivitas farmakologi tertentu. Afendi et al. (2010) juga
mengembangkan hipotesis bahwa jamu terdiri atas tanaman utama dan tanaman
pendukung. Tanaman utama memiliki efek langsung terhadap penyakit dan
tanaman pendukung ditentukan memiliki tiga karakteristik, yaitu analgesik,
antimikroba, dan anti-peradangan.
Afendi et al. (2010) menggunakan Partial Least Squares Dyscriminant
Analysis (PLS-DA) untuk mengembangkan sebuah model klasifikasi formula
jamu. Penelitian tersebut difokuskan pada pengamatan 3138 sampel jamu yang
diklasifikasikan ke dalam 9 jenis khasiat. Khasiat yang dapat diprediksi oleh
metode ini adalah urinary related problems (URI), disorder of apetite (DOA),
disorder of mood and behavior (DMB), gastrointestinal disorders (GST), female
reproductive organ problems (FML), muskuloskeletal and connective tissue
disorders (MSC), pain and inflammation (PIN), respiratory disease (RSP), dan
wounds and skin infections (WND).
Dalam penelitian lain oleh Fitriawan (2013) dilakukan klasifikasi formula
jamu dengan khasiatnya menggunakan teknik Support Vector Machine (SVM).
SVM adalah salah satu teknik machine learning yang mampu mengklasifikasikan
masalah di dunia nyata dengan hasil akurasi yang tinggi (Byun dan Lee 2003).
Penelitian ini berhasil memberikan hasil akurasi klasifikasi formula jamu yang
lebih baik dibandingkan dengan metode PLS-DA pada data yang melalui data
cleaning.
Melihat adanya permasalahan terkait khasiat formula jamu tersebut, penulis
tertarik untuk melakukan penelitian terkait topik khasiat formula jamu untuk
dikelompokkan (clustering) dan dilihat keterkaitan antara tanaman jamu yang
dikelompokkan dengan 9 efikasi khasiat formula jamu yang dihasilkan pada
penelitian Afendi et al. (2010).

2
K-means merupakan salah satu metode clustering non hirarki yang
berusaha membagi data yang ada ke dalam satu atau lebih kelompok. Metode ini
membagi data ke dalam kelompok sehingga data yang memiliki karakteristik
sama dikelompokkan ke dalam satu kelompok yang sama. Dengan metode
Clustering dilakukan pengelompokan tanaman herbal penyusun jamu. Hasil
kelompok tersebut dianalisis keterkaitan komposisi tanaman yang ada di setiap
kelompok berdasarkan 2 efikasi yang lebih dominan di kelompok tersebut.

Perumusan Masalah
Adapun masalah yang akan diangkat dalam penelitian ini adalah
mengelompokkan tanaman herbal penyusun jamu berdasarkan khasiat formula
jamu menggunakan algoritme k-means.

Tujuan Penelitian
Tujuan penelitian ini ialah untuk mencari keterkaitan antara komposisi
tanaman herbal yang ada di setiap kelompok dengan fungsi efikasi berdasarkan 2
efikasi yang dominan di kelompok tersebut.

Manfaat Penelitian
Penelitian ini diharapkan dapat bermanfaat bagi pihak-pihak yang
membutuhkan informasi terkait pengelompokan khasiat tanaman jamu. Informasi
yang didapatkan diharapkan dapat membantu dalam proses penentuan hubungan
pengelompokan tanaman jamu berdasarkan khasiatnya.

Ruang Lingkup Penelitian
Penelitian ini dibatasi pada penggunaan teknik pengelompokan dengan
menggunakan algoritma k-means. Data yang digunakan adalah data yang sama
dengan penelitian sebelumnya (Afendi 2010) yang terdiri atas 3138 formula
jamu dari 465 jenis tanaman herbal.

METODE
Tahapan Penelitian
Penelitian ini dilakukan dengan beberapa tahapan yang dilakukan berurutan.
Tahapan-tahapan yang dilakukan pada penelitian ini dapat dilihat pada Gambar 1.

3

Gambar 1 Tahapan penelitian
Untuk menghasilkan penelitian yang baik, diperlukan sebuah metode dan
rencana penelitian. Proses dasar pengelompokan terdiri atas beberapa tahapan
berikut:
1 Studi pustaka.
Pada tahap ini dilakukan studi pustaka untuk memahami konsep dan teori
dari metode yang akan dilakukan dalam penelitian ini. Studi pustaka yang
dilakukan adalah mempelajari beberapa penelitian yang memiliki kesamaan
dengan penelitian ini. Seperti kesamaan dalam metode yaitu clustering k-means
dan kesamaan dalam obyek dalam penelitian ini yaitu khasiat formula jamu.
Kemudian studi pustaka yang dilakukan adalah mempelajari teori dan konsep
clustering k-means dari beberapa buku teks dan jurnal digital yang akan
digunakan sebagai dasar dalam memulai langkah-langkah penelitian.
2 Pengumpulan data.
Pada tahap ini dilakukan pengumpulan data dari penelitian Afendi et al.
(2010) untuk digunakan kembali. Data yang digunakan pada penelitian ini terdiri
atas 3138 jenis jamu yang terdaftar di Badan-POM yang disertai komposisi dari
465 jenis tanaman herbal. Data yang digunakan adalah data reduksi yang telah
melalui data cleaning yang dilakukan oleh Afendi et al. (2012). Data telah
melewati praproses data dari jumlah awal 6533 buah jamu. Praproses data yang
dikerjakan terdiri atas penghapusan redundansi data jamu sebanyak 1223 buah
jamu. Dari sisa 5310 buah jamu hanya diambil sebanyak 3138 buah jamu yang
dianggap dapat mewakili data yang dibutuhkan dengan proses pengambilan
random. Keseluruhan data jamu masuk kedalam tepat satu kelas khasiat/efikasi
dari total 9 kelas efikasi. Keseluruhan kelas efikasi dapat dilihat pada Tabel 1.

4
Tabel 1 Nama khasiat formula jamu
Nama efikasi

Kode
efikasi

Urinary related problems
Disorder of apetite, mood and behavior
Gastrointestinal disorders
Female reproductive organ problems
Muskuloskeletal and connective tissue disorders
Pain and inflammation
Espiratory disease
Wounds and skin infections

E1
E2
E3
E4
E5
E6
E7
E8

Data yang digunakan pada penelitian ini merupakan hasil reprensentasi
data dari jamu yang beredar di Indonesia. Data yang digunakan berupa hubungan
antara jamu, tanaman yang digunakan dalam komposisi jamu, dan khasiat dari
jamu tersebut.
Komposisi tanaman didefinisikan dengan menetapkan nilai biner untuk
masing- masing tanaman. Jika suatu tanaman tertentu dimasukkan ke dalam
sebuah sampel jamu, nilai pada tanaman ini ditetapkan sebagai 1, sebaliknya
penetapan nilainya adalah 0. Penelitian ini hanya dapat menetapkan nilai fitur
dengan nilai biner karena belum mendapatkan informasi yang lebih akurat dari
formulasi bahan-bahan jamu yaitu berupa takaran untuk setiap komposisi
tanaman. Data pada penelitian ini adalah data matriks berukuran 465×3138.
Data diolah dengan menggunakan algoritme k-means dengan tujuan untuk
mengelompokkan data sebanyak 9 kelompok, 20 kelompok, dan 30 kelompok.
Pengelompokkan dilakukan sebanyak 3 kali agar penyebaran obyek di dalam
setiap kelompok dapat lebih menggerombol sehingga pebedaan antara efikasi
yang lebih dominan dan tidak dominan lebih terlihat.
3 Data Mining.
Pada tahap ini dilakukan clustering menggunakan Algoritme k-means
dengan k yang ditentukan adalah 9, 20 dan 30. Kemudian hasil clustering
dihitung SSEnya, untuk melihat kualitas dari setiap kelompok yang dibuat.
4 Analisa hasil.
Pada tahap ini dilakukan interpretasi pengetahuan yang diperoleh data
dari proses data mining. Hasil yang dianalisa yaitu pengelompokan yang
dilakukan pada proses pengelompokan 9 kelompok, 20 kelompok dan 30
kelompok. Kemudian nilai SSE dari setiap kelompok yang dikelompokkan
dianalisa hasilnya untuk menentukan kelompok terbaik dari tiga proses
pengelompokan yang dilakukan. Setelah proses pengelompokan selesai, langkah
selanjutnya adalah membuat matriks untuk 3 proses pengelompokan dengan
matriks berisi nilai kemunculan yang sama dengan kelompok yang telah dibuat.
Dari matriks tersebut dianalisa hasilnya dengan melihat efikasi yang dominan
pada setiap proses pengelompokan.
Langkah selanjutnya adalah mengambil tanaman yang ada pada setiap
kelompok yang telah dibuat, tanaman tersebut kemudian dianalisa keterkaitannya

5
dengan efikasi yang dominan pada setiap kelompok yang merupakan
analisa dari pembuatan matriks efikasi.

hasil

Lingkungan Pengembangan
Lingkungan pengembangan dalam penelitian ini menggunakan perangkat
lunak dan perangkat keras dengan spesifikasi sebagai berikut :
1 Perangkat Lunak
 Sistem operasi : Windows 7 Ultimate Edition
 Matlab Versi 7.7.0.471 (R2008b)
2 Perangkat Keras
 Processor Intel Core 2 Duo Processor T7300 2 GHz
 Memory 1 GB RAM
 Mouse dan Keyboard

Clustering
Pengertian umum dari clustering adalah proses pengelompokan objek-objek
fisik maupun abstrak ke dalam kelas-kelas tertentu dengan objek dalam tiap kelas
(cluster) memiliki kemiripan dan tiap kelas memiliki perbedaan yang
membedakan dari objek dalam kelas lain (Han & Kamber 2006). Kemiripan dari
objek dinilai berdasarkan nilai atribut dan deskripsi objek.

Algoritme K-means
K-means adalah algoritme clustering yang bersifat partitional yaitu
membagi data menjadi sub himpunan data (cluster ) yang tidak overlap, sehingga
tiap objek data hanya memiliki tepat satu kelas. Dalam partitional-clustering yang
paling sering digunakan adalah clustering berdasarkan criteria sum square error
(SSE) yang tujuannya adalah untuk memperoleh partisi dengan jumlah cluster
tetap tetapi dengan total sum square error yang kecil.
Sebagai contoh misalkan terdapat himpunan N data yang dipartisi dalam k
cluster {C1, C2, C3,...,Ck}, tiap �� mempunyai � sample dan tiap sample dan
tepat satu cluster. Sehingga �� = . Mean vector � dari cluster ��
didefinisikan sebagai centroid dari cluster (Kantardzic 2003) :
��
1
� = ( �� ) �=1 ���
dengan ��� adalah sample ke-i pada cluster�� . Sum square error untuk cluster
�� adalah jumlah kuadrat jarak Euclidean antara tiap sample dalam �� dan
centroidnya. Error ini juga disebut within-cluster variation.
��
e2� = �=1
��� − � 2
Sum square error untuk seluruh cluster yang terdiri dari k clusters adalah jumlah
dari within-cluster variations.
�
e2� = �=1 ��2

6
Langkah-langkah dalam algoritme k-means (Kantardzic 2003):
1 Menentukan initial partition dengan k cluster yang berisi sample yang dipilih
secara acak, kemudian dihitung centroid dari tiap-tiap cluster.
2 Membangkitkan partisi baru dengan penugasan tiap sample terhadap pusat
cluster terdekat.
3 Menghitung pusat cluster baru sebagai centroid dari cluster.
4 Mengulangi langkah 2 dan 3 sampai nilai optimum dari fungsi kriteria dipenuhi
(atau sampai anggota cluster stabil)

HASIL DAN PEMBAHASAN
Penerapan K-means
Percobaan pengelompokan dilakukan sebanyak 3 kali dimulai dari 9
kelompok, 20 kelompok, dan 30 kelompok. Jumlah k pada setiap kelompok
ditentukan berdasarkan pilihan acak dengan tujuan agar dapat dilihat
perbandingan jarak antara obyek dengan centroid pada setiap kelompok. Data
yang digunakan adalah data biner dan metode yang digunakan untuk menghitung
jarak antara obyek dengan centroid ialah euclidean distance.
Algoritme k-means akan menghasilkan beberapa kelompok (IDX) sesuai
dengan jumlah yang diinginkan, centroid (C) dari setiap kelompok, keragaman di
dalam kelompok (SumD), dan keragaman antar kelompok (D). Data reduksi diberi
nama data jamu dengan format data .xls dan kelompok yang diinginkan berjumlah
9, 20, dan 30. Berikut adalah perintah yang digunakan untuk mengelompokkan
data pada proses pengelompokkan 9 kelompok pada perangkat lunak Matlab versi
7.7.0.471 (R2008b).
Data2= xlsread (‘data jamu.xls’);
[IDX, C, SUMD, D]= KMEANS (datajamu, 9)
Gambar 2 Perintah untuk kelompok data dan proses
pengelompokkan kelompok
Perintah untuk mengelompokkan proses pengelompokkan 20 kelompok dan
30 kelompok sama dengan perintah untuk mengelompokkan proses
pengelompokkan 9 kelompok yang diganti hanyalah jumlah k yaitu 20 dan 30.
Hasil dari algoritme k-means adalah kelompok-kelompok baru yang didapat
dari data yaitu 9 kelompok, 20 kelompok, dan 30 kelompok. Kualitas dari
kelompok-kelompok yang telah dibentuk diuji dengan membandingkan jumlah
rata-rata dari Sum Square Error (SSE) pada setiap kelompok dalam ketiga proses
pengelompokan. SSE dalam k-means adalah SumD yang merupakan jumlah jarak
obyek terhadap centroid. Hasil perhitungan SSE dari proses pegelompokan 9
kelompok, 20 kelompok dan 30 kelompok kemudian dibandingkan. Kelompok
dengan kualitas terbaik di antara 3 proses adalah kelompok dengan nilai
perhitungan SSE terkecil. Hal ini berarti bahwa setiap obyek yang ada pada

7
kelompok tersebut lebih homogen. Jarak antara setiap obyek dengan centroid (C)
di dalam kelompok semakin dekat maka kualitas dari kelompok tersebut semakin
baik.
Data awal yang telah dikelompokkan menjadi 9 kelompok, 20 kelompok
dan 30 kelompok diberi variabel data1, data2 dan data3. Kemudian data 1, data 2
dan data 3 dibandingkan dengan hasil efikasi dari data reduksi. Nilai efikasi
yang sama dengan nilai dari pengelompokan dihitung untuk menentukan
efikasi yang dominan disetiap kelompok. Berikut adalah format penulisan
fungsi untuk matriks 9 9 yang diberi nama matriks efikasi dominan yang
dapat dilihat pada Gambar 3.
matriks = repmat(0,9,9);
for i=1:3110
for j=1:9
for k=1:9
if data2(i,1)==j & data2(i,2)==k
matriks(j,k) = matriks(j,k) + 1;
end
end
end
end
display(matriks)

Gambar 3 Perintah pembuatan matriks efikasi dominan
Hasil dari matriks efikasi yang dominan pada setiap kelompok di atas
menjadi acuan dalam proses analisis hubungan keterkaitan antara komposisi
tanaman di setiap kelompok dengan 2 efikasi dominan dari kelompok tersebut.
Untuk menentukan tanaman yang ada pada setiap kelompok dilakukan proses
pembobotan, dengan tujuan pembobotan ini adalah untuk membatasi jumlah
komposisi tanaman jamu yang akan muncul. Tanaman yang diambil adalah
tanaman yang memiliki jarak terdekat ke centroid yang diberi nama data Z3
dengan nilai centroid
0.1 dan 0.3. Pembobotan dilakukan agar tanaman yang
diambil dapat dibatasi jumlahnya. Perintah pembobotan diterapkan pada Matlab
versi 7.7.0.471 (R2008b) dengan format perintah pada Gambar 4 dan Gambar 5.

Matriks_efikasidominan
Z1= (C11>0.1) ;
Z2=sum (Z1) ;
Z3= [Z1 ; z2] ;
Gambar 4 Perintah yang diterapkan untuk pengambilan tanaman
Matriks_efikasidominan
Z1= (C11>0.3) ;
Z2=sum (Z1) ;
Z3= [Z1 ; z2] ;
Gambar 5 Perintah yang diterapkan untuk pengambilan tanaman

8
Dalam format kode pada Gambar 4 dan Gambar 5, C11 adalah variabel
untuk centroid dari pengelompokan 9 kelompok yang ingin ditampilkan tanaman
komposisinya. 0.1 dan 0.3 adalah bobot minimum dari nilai centroid yang
diambil.

Analisa Hasil Pengelompokan
Kelompok-kelompok yang telah dibentuk kemudian diuji kualitas
kelompoknya dengan membandingkan SSE setiap kelompok. SSE pada 9
kelompok adalah 1164.01, pada 20 kelompok adalah 474.93, dan pada 30
kelompok adalah 304.36. Hasil ini menunjukkan bahwa kelompok dengan
kualitas terbaik adalah pengelompokkan 30 kelompok. Nilai yang diperoleh
adalah yang terkecil di antara ketiganya. Hal ini berarti bahwa jarak antara obyek
dengan centroid (C) di dalam pengelompokkan 30 kelompok lebih dekat sehingga
setiap obyek yang ada pada kelompoknya lebih homogen dibandingkan dengan
proses pengelompokan 9 kelompok dan proses pengelompokan 20 kelompok.
Hasil yang ditampilkan oleh kode pada Gambar 3 adalah matriks
berukuran 9 9, 20 20, dan 30 30 yang merupakan matriks jumlah kemunculan
efikasi yang sama pada setiap kelompok dengan format tabel yang kemudian
digambarkan dalam bentuk diagram pie chart. Hasil dari matriks yang
digambarkan dalam bentuk diagram pie chart dapat dilihat pada Gambar 6.

C3

C3
C13

C27

C6

C11
C8

1

2

3

4

6

7

8

9

5

1
5
9
13
17

2
6
10
14
18

3
7
11
15
19

4
8
12
16
20

1
5
9
13
17
21
25
29

2
6
10
14
18
22
26
30

3
7
11
15
19
23
27

4
8
12
16
20
24
28

Gambar 6 Hasil perhitungan efikasi yang dominan sama dengan setiap kelompok
pada percobaan pengelompokkan 9 kelompok, 20 kelompok dan 30
kelompok
Dari 3 percobaan pengelompokkan yang dilakukan, hasil yang didapat
adalah 3 buah tabel berupa jumlah efikasi yang nilainya sama dengan setiap
kelompok. Tabel tersebut dijelaskan sebagai berikut. Efikasi 1 (E1) yang memiliki
nilai yang sama dengan kelompok 1 (C1) adalah sebanyak 3 kali, demikian juga
untuk efikasi 1 (E1) yang memiliki nilai sama dengan kelompok 2 (C2) adalah 2
kali. Demikian seterusnya pengisian matriks efikasi dominan untuk keterangan
pada semua kelompok (C1-C30) dan semua efikasi (E1-E9). Matriks efikasi yang
dominan dapat dilihat pada Tabel 2 sebagai hasil representasi untuk 9 kelompok.

9
Jumlah efikasi untuk 20 kelompok dan 30 kelompok dapat dilihat pada Lampiran
1.
Dari hasil ini akan diambil 2 efikasi dengan nilai terbesar dari setiap
kelompok yang dianggap dominan untuk dikaitkan hubungannya dengan tanaman
yang dianggap dominan di setiap kelompok dengan metode pembobotan yaitu
dengan mengambil setiap tanaman yang jarak antara tanaman tersebut terhadap
centroid bernilai ≥ 0.1 dan 0.3. Hasil dari pengambilan 2 efikasi terbesar
disajikan dalam Tabel 3. Tabel selengkapnya untuk 20 kelompok dan 30
kelompok dapat dilihat pada Lampiran 2.
Efikasi maksimum adalah efikasi yang bernilai sama dengan kelompok
dengan kemunculan terbanyak pertama dan terbanyak kedua. Setelah proses
pemilihan 2 efikasi paling dominan pada setiap kelompok, proses selanjutnya
adalah proses pemilihan tanaman yang muncul pada setiap kelompok yang diduga
memiliki keterkaitan dengan 2 efikasi dominannya. Proses ini dilakukan dengan
metode pembobotan, dengan setiap centroid diberi bobot minimal 0.1 dan 0.3.
Hasil dari pembobotan diberi nama Z3. Tampilan Z3 berupa Tabel dengan atribut
kode tanaman(P0-Pn), kelompok (C1-Cn) dan kode biner dengan kategori 1 untuk
komposisi tanaman ada dan 0 untuk komposisi tanaman tidak ada. Sebahagian
hasil pembobotan untuk 9 kelompok dengan bobot minimal 0.3 disajikan pada
Tabel 4.
Tabel 2 Jumlah efikasi yang bernilai sama dengan setiap kelompok pada
percobaan 9 kelompok
E
E1
E2
E3
E4
E5
E6
E7
E8
E9

C1
3
11
4
43
34
49
60
29
4

C2
2
1
0
13
0
82
12
2
0

C3
1
13
5
44
38
173
77
27
15

C4
8
80
0
91
153
59
8
6
20

C5
0
3
0
7
20
239
27
9
2

C6
10
24
3
122
36
56
21
4
6

C7
0
2
0
48
21
27
2
1
2

C8
43
111
9
490
88
101
85
28
87

C9
5
3
0
108
8
49
14
1
21

Tabel 3 Tabel efikasi yang dominan pada setiap kelompok pada percobaan 9
kelompok
Efikasi
Efikasi maksimum I
Efikasi maksimum II

C1
E7
E6

C2
E6
E4

C3
E6
E7

C4
E5
E4

C5
E6
E7

C6
E4
E6

C7
E4
E6

C8
E4
E2

C9
E4
E6

10

C

P0001

P0061

P0126

P0144

P0166

P0176

P0214

P0236

P0241

P0254

P0318

P0339

P0370

P0436

Tabel 4 Tabel Z3 dengan pembobotan 0.3 pada data 9 kelompok

C1

1

0

0

1

0

1

1

0

0

0

0

1

0

1

C2

0

1

1

0

0

0

0

0

0

0

1

0

0

0

C3

0

0

0

1

0

0

1

0

0

0

0

0

0

1

C4

0

0

0

0

0

0

0

1

0

0

0

0

0

1

C5

0

1

0

1

0

0

1

0

1

1

0

0

0

1

C6

0

0

0

0

0

0

0

0

0

0

0

0

0

1

C7

0

0

0

0

1

0

0

0

0

0

0

0

0

0

C8

0

0

0

0

0

0

0

0

0

0

0

0

0

0

C9

0

0

0

0

0

0

0

0

0

0

0

0

1

1

Keterangan dari P0001-Pn dapat dilihat pada Lampiran 3
Dari Tabel 4 maka akan terlihat kelompok nama tanaman yang muncul pada
setiap kelompok dari hasil pembobotan dan efikasi yang dominan pada setiap
kelompok tersebut. Seperti pada kelompok 3 (C3) dengan pembobotan 0,3
tanaman herbal yang muncul adalah P0144 (Zingiber officinale), P0214
(Kaempferia galangal), dan P0436 (Curcuma xanthorriza). Tanaman-tanaman ini
diduga memiliki keterkaitan dengan 2 efikasi yang dominan pada kelompok 3.
Efikasi ini adalah efikasi 6 dan efikasi 7 yang memiliki khasiat untuk memenuhi
efikasi muskuloskeletal and connective tissue disorders (MSC) dan pain and
inflammation (PIN). Keterkaitan antar tanaman muncul setelah pembobotan
dengan efikasi yang dominan. Tanaman yang muncul pada setiap kelompok
memiliki kesamaan dalam 3 proses pengelompokan yang dilakukan.
Pada proses pengelompokan 9 kelompok yaitu pada kelompok 3, efikasi
yang dominan adalah efikasi 6 dan efikasi 7. Dapat dilihat dari lampiran 2 bahwa
efikasi 6 dan efikasi 7 juga dominan pada kelompok 1 (C1), kelompok 3 (C3), dan
kelompok 5 (C5). Beberapa tanaman yang muncul pada kelompok-kelompok ini
adalah tanaman yang sama yaitu tanaman P0236 (Curcuma longa) dan P0436
(Curcuma xanthorrhiza).
Pada proses pengelompokkan 20 kelompok efikasi yang dominan adalah
efikasi 6 dan efikasi 7 yang terdapat pada kelompok 5 (C5), kelompok 10 (C10),
kelompok 14 (C14), dan kelompok 20 (C20). Tanaman herbal yang muncul dan
ada pada 4 kelompok tersebut adalah P0144 (Zingiber officinale) dan P0214
(Kaempfiria galanga).
Pada proses pengelompokkan 30 kelompok efikasi yang dominan adalah
efikasi 6 dan efikasi 7 yang terdapat pada kelompok 8 (C8), kelompok 14 (C14),
kelompok 15 (C15), kelompok 16 (C16), dan kelompok 20 (C20). Tanaman yang
muncul pada setiap kelompok tersebut adalah P0144 (Zingiber officinale).

11
Hal ini memunculkan suatu dugaan bahwa khasiat yang sama dari tanaman
pada setiap kelompok dengan efikasi yang dominan pada kelompok tersebut
diakibatkan oleh adanya komposisi tanaman herbal yang sama pada jamu tersebut.
Pada Hasil keterkaitan setiap kelompok terbatas dalam dugaan karena
hubungannya bukan sebab akibat. Tanaman herbal yang ada pada setiap kelompok
yang telah melalui proses pembobotan dapat dilihat pada Lampiran 4.

SIMPULAN DAN SARAN
Simpulan
Penelitian ini berhasil membuat kelompok tanaman herbal penyusun jamu
pada percobaan 9 kelompok, 20 kelompok dan 30 kelompok dengan agoritme kmeans. Dari ketiga proses pengelompokkan disimpulkan bahwa pengelompokkan
dengan kualitas terbaik adalah pengelompokan 30 kelompok dengan nilai SSE
tekecil dari antara ketiga proses yaitu 304.36. Penelitian ini juga berhasil
menemukan keterkaitan antara tanaman herbal penyusun jamu yang dominan
muncul pada kelompok dengan efikasi yang dominan pada kelompok tersebut.
Tanaman herbal tersebut diduga memiliki khasiat yang sama dengan efikasi yang
dominan pada kelompoknya.

Saran
Pada penelitian ini hasil dari keterkaitan masih dalam bentuk dugaan,
diharapkan pada penelitian selanjutnya dapat ditemukan keterkaitannya dengan
hasil yang pasti seperti melakukan riset lebih lanjut dengan bantuan pihak
farmakologi untuk membuktikan kesamaan khasiat tanaman pada kelompok
dengan efikasi yang dominan pada kelompok tersebut.

12

DAFTAR PUSTAKA
Afendi FM, Darusman LK, Hirai A, Amin MA, Takahashi H, Nakamura K,
Kanaya S. 2010. System biology approach for elucidating the relationship
between Indonesia herbal plants and the efficacy of jamu. Di dalam: Fan W,
Hsu W, Webb GI, Liu B, Zhang C, Gunopulos D, Wu X, editor. 2010 IEEE
International Conference on Data Mining Workshops; 2010 Des 14; Sydney,
Australia. Sydney (AU): Conference Publishing Services.
Afendi FM, Darusman LK, Morita AH, Altaf-Ul-Amin M, Takahashi H,
Nakamura K, anaka K, Kanaya S. 2012. Efficacy prediction of jamu
formulations by PLS Modeling. Curr Comput Aided Drug Des. 9(1):46-59.
PubMed PMID: 23106776.
Fitriawan A, Kusuma WA, and Haryanto, R. 2013. A Classification for Jamu
Efficacy using Support Vector Machine. Proceedings of International
Conference on Advanced Computer Science and Information System
(ICACSIS).
Beers SJ. c2001. Jamu the Ancient Indonesian Art of Herbal Healing. Singapore
(SG): Periplus Editions (HK) Ltd.
Adam LS, Navindra PS, Mary LH, Catherine C, David H. 2006. Analysis of the
interactions of botanical extract combinations againts the viability of prostate
cancer cell lines. Evid Based Complement Alternat Med. 3(1): 117-124.
Han J, Kamber M. 2006. Data mining:Concept and Techniques Edisi Ke-2.
San Fransisco : Morgan Kauffman Publisher.
Kantardzic M. 2003. Data mining: Concept, model, method, and algoritme.: New
York :John Wiley &sons.

Lampiran 1 Tabel matriks efikasi
Proses pengelompokkan 9 kelompok
E

C1

C2

C3

C4

C5

C6

C7

C8

C9

E1

3

2

1

8

0

10

0

43

5

E2

11

1

13

80

3

24

2

111

3

E3

4

0

5

0

0

3

0

9

0

E4

43

13

44

91

7

122

48

490

108

E5

34

0

38

153

20

36

21

88

8

E6

49

82

173

59

239

56

27

101

49

E7

60

12

77

8

27

21

2

85

14

E8

29

2

27

6

9

4

1

28

1

E9

4

0

15

20

2

6

2

87

21

Proses pengelompokkan 20 kelompok
E

C1

C2

C3

C4

C5

C6

C7

C8

C9

C10

C11

E1

3

0

2

1

0

0

39

1

2

0

E2

0

121

18

4

2

6

1

6

2

E3

0

0

1

1

4

1

0

1

E4

24

16

151

26

13

13

15

E5

0

16

77

7

10

9

E6

13

4

47

14

39

E7

0

0

18

26

24

E8
E9

0
2

0
2

1
20

28
0

8
0

C12

C13

0

0

2

0

0

0

21

86

0

25

51

21

4

1

0
0

3
3

C14

C15

C16

C17

C18

C19

C20

20

0

0

0

2

0

1

1

2

16

2

0

40

15

0

1

10

0

0

7

4

0

0

1

0

0

1

3

207

2

299

32

8

2

25

6

0

17

8

6

4

11

32

27

1

93

30

3

18

21

57

34

89

2

122

118

99

5

20

17

69

0

14

5

13

12

4

10

55

52

39

1

6

18

0

18

6
6

1
18

3
0

0
7

1
0

10
60

21
9

0
9

0
1

8
9

6
5

0
0

11
6

13

14

E

C1

C2

E9 E8 E7 E6 E5 E4 E3 E2 E1

Lampiran 1 Lanjutan

0

C3

C4

C5

C6

C7

C8

C9

C10

C11

C12

C13

C14

C15

C16

C17

C18

C19

C20

C21

C22

C23

C24

C25

C26

C27

C28

C29

C30

1

2

0

0

3

2

0

2

0

0

0

2

0

0

0

0

1

0

0

0

0

1

31

2

3

18

2

2

0

4

4

10

1

1

1

12

0

0

7

0

25

1

3

2

0

13

4

89

2

3

2

18

1

4

15

11

9

2

4

2

0

0

0

1

1

1

2

0

0

0

0

0

2

0

3

0

1

0

0

0

0

0

0

0

0

6

2

0

0

11

19

47

4

12

7

7

11

12

10

4

2

22

11

0

2

0

34

13

2

8

4

24

12

18

36

460

93

79

2

14

5

24

7

8

3

25

10

1

23

3

50

14

5

2

0

45

9

7

6

8

9

0

0

5

58

28

24

4

1

66

7

24

75

12

4

11

39

4

6

6

13

30

46

39

27

7

12

1

109

97

13

4

33

13

15

75

23

23

1

8

12

4

7

15

0

7

54

1

1

21

1

4

19

9

7

0

9

0

9

8

2

0

0

11

2

72

12

11

0

11

3

0

2

5

0

7

6

1

1

24

0

2

7

0

3

1

6

0

5

0

0

0

3

10

2

8

0

0

0

3

0

11

0

3

0

2

10

8

0

0

1

5

2

0

0

0

2

0

2

0

0

5

3

2

8

57

4

9

20

Lampiran 2 Tabel efikasi dominan setiap kelompok
Percobaan 9 kelompok
E
C1
E maksimum 1
E7
E maksimum 2
E6

C2
E6
E4

C3
E6
E7

C4
E5
E4

C5
E6
E7

C6
E4
E6

C7
E4
E6

C8
E4
E2

C9
E4
E6

Percobaan 20 kelompok
E

C2
E2
E4

C3
E4
E5

Percobaan 30 kelompok
E
C1 C2
E maksimum 1 E6 E4
E maksimum 2 E5 E7

C3
E4
E5

E maksimum 1
E maksimum 2

C1
E4
E6

C4
E8
E7

C4
E6
E5

Percobaan 30 kelompok lanjutan
E
C16 C17 C18
E maksimum 1 E6
E5
E4
E maksimum 2 E7
E2
E6

C5
E6
E7

C6
E6
E4

C5
E7
E4

C19
E2
E4

C6
E4
E6

C7
E1
E6

C8
E6
E5

C7
E5
E2

C20
E6
E7

C9
E4
E6

C8
E7
E6

C21
E6
E4

C10 C11
E6
E4
E7
E9

C9
E4
E9

C22
E6
E5

C10
E5
E4

C23
E4
E2

C12
E6
E5

C11
E8
E7

C24
E6
E1

C13 C14 C15
E4
E6
E7
E6
E7
E9

C12
E5
E2

C25
E4
E6

C13
E6
E4

C26
E5
E4

C16
E5
E2

C14
E6
E7

C27
E4
E6

C17 C18
E5
E6
E4
E7

C19
E5
E1

C20
E5
E7

C15
E6
E7

C28
E4
E5

C29
E4
E6

C30
E9
E2

15

16
Lampiran 3 Keterangan nama P1-Pn
P.1
P.2
P.3
P.4
P.5
P.6
P.7
P.8
P.9
P.10
P.11
P.12
P.13
P.14
P.15
P.16
P.17
P.18
P.19
P.20
P.21
P.22
P.23
P.24
P.25
P.26
P.27
P.28
P.29
P.30
P.31
P.32
P.33
P.34
P.35
P.36
P.37
P.38
P.39

Foeniculum vulgare
Clausena anisum-olens
Litsea chinensis
Glycyrrhiza uralensis
Acacia sieberiana
Imperata cylindrica
Phellodendron chinense
Zanthoxylum
acanthopodium
Cichorium intybus
Vitis vinifera
Pterocarpus indica
Artemisia annua
Elaeocarpus grandiflora
Malus domestica
Persia americana
Arenga pinnata
Arisaema consanguineum
Clematis armandii
Cynara scolimus
Garcinia atroviridis
Tamarindus indica
Angelica keiskei
Asparagus officinalis
Astragalus membranaceus
Amomum kravanh
Atractylodis Macrocephala
Benincasa hispida
Pinella ternata
Zingiber purpureum
Hordeum vulgare
Allium fistulosum
Allium tuberosum
Allium cepae
Allium sativum
Sisyrinchium striatum
Spinacia oleracea
Amaranthus spinosus
Pterospermum javanicum
Allium ursinum

P.40
P.41
P.42
P.43
P.44
P.45
P.46
P.47
P.48
P.49
P.50
P.51
P.52
P.53
P.54
P.55
P.56
P.57
P.58
P.59
P.60
P.61
P.62
P.63
P.64
P.65
P.66
P.67
P.68
P.69
P.70
P.71
P.72
P.73
P.74
P.75
P.76
P.77
P.78
P.79
P.80

Pluchea indica
Scurrula atropurpurea
Pachyrrhizus erosus
Ficus benjamina
Strychnos ligustrina
Merremia mammosa
Vaccinium myrtillus
Beta Vulgaris
Cimicifuga racemosa
Ribes nigrum
Averrhoa bilimbi
Plantago ovata
Luffa cylindrica
Tinospora tuberculata
Brassica oleracea
Pandanus conoideus
Phaseolus vulgaris
Platycodon grandiflorus
Helianthus annuus
Clerodendron squamatum
Oroxylum indicum
Piper retrofractum
Capsicum annum
Capsicum frutescens
Cassiae obtusifolia
Erythroxylum catuaba
Santalum album
Cordyceps sinensis
Syzygium aromaticum
Ruellia tuberosa
Physalis peruviana
Croton tiglium
Prunus cerasus
Phyllanthus acidus
Bupleurum falcatum
Clematis chinensis
Ziziphus jujuba
Chlorella vulgaris
Ligustici wallichi
Ligusticum chuanxiong
Cibotium barometz

17
Lampiran 3 Lanjutan
P.81
P.82
P.83
P.84
P.85
P.86
P.87
P.88
P.89
P.90
P.91
P.92
P.93
P.94
P.95
P.96
P.97
P.98
P.99
P.100
P.101
P.102
P.103
P.104
P.105
P.106
P.107
P.108
P.109
P.110
P.111
P.112
P.113
P.114
P.115
P.116
P.117
P.118
P.119

Theobroma cacao
Cola nitida
Lindera aggregata
Anemarrhena
asphodeloides
Curcuma phaeocaulis
Cuscuta chinensis
Erythrina variegata
Erythrina hypaphorus
Angelica dahurica
Turnera aphrodisiaca
Gynura segetum
Desmodium triquetrum
Plumbago zeylanica
Plectranthus amboinicus
Achillea santolina
Graptophyllum pictum
Plantago major
Punica granatum
Glochidion rubrum
Cistanche deserticola
Harpagophytum
procumbens
Acorus calamus
Angelica pubescentis
Argemone mexicana
Eucommia ulmoides
Syzygium cumini
Echinacea purpurea
Saposhnikovia divaricata
Tanacetum parthenium
Forsythia suspensa
Dioscorea opposite
Smilax zeylanica
Polygonum multiflorum
Uncaria rhynchophylla
Gaultheria punctata
Justicia gendarussa
Triticum vulgare
Ligusticum acutilobum
Garcinia cambogia

P.120
P.121
P.122
P.123
P.124
P.125
P.126
P.127
P.128
P.129
P.130
P.131
P.132
P.133
P.134
P.135
P.136
P.137
P.138
P.139
P.140
P.141
P.142
P.143
P.144
P.145
P.146
P.147
P.148
P.149
P.150
P.151
P.152
P.153
P.154
P.155
P.156
P.157
P.158
P.159
P.160

Sanguisorba officinalis
Gastrodia elata
Borreria hispida
Commiphora myrrha
Ginkgo biloba
Panax quinquefolius
Panax ginseng
Lepidium meyenii
Angelica sinensis
Eleutherococcus senticosus
Lycium barbarum
Coptis chinensis
Equisetum debile
Paullinia cupana
Rubus rosaefolius
Gymnema sylvestre
Asarum sieboldii
Peucedanum praeruptorum
Magnolia officinalis
Coleus scutellarioides
Ruta angustifolia
Isatis indigotica
Zea mays
Coix lacryma-jobi
Zingiber officinale
Zingiber officinale
Eugenia cumini
Psidium guajava
Syzygium jambos
Anacardium occidentale
Ganoderma lucidum
Schizonepeta tenuifolia
Ricinus communis
Jatropha curcas
Tectona grandis
Guazuma ulmifolia
Elaeocarpus ganitrus
Celosia cristata
Citrus reticulata
Citrus amblycarpa
Citrus sinensis

18
Lampiran 3 Lanjutan
P.161
P.162
P.163
P.164
P.165
P.166
P.167
P.168
P.169
P.170
P.171
P.172
P.173
P.174
P.175
P.176
P.177
P.178
P.179
P.180
P.181
P.182
P.183
P.184
P.185
P.186
P.187
P.188
P.189
P.190
P.191
P.192
P.193
P.194
P.195
P.196
P.197
P.198
P.199
P.200

Citrus aurantium
Citrus hystrix
Pimpinella anisum
Cuminum cyminum
Carum carvi
Nigella sativa
Cassia siamea
Terminalia bellirica
Terminalia arborea
Simmondsia chinensis
Baeckea frutescens
Gardenia Jasminoides
Phaseolus radiatus
Ipomoea aquatica
Ipomoea reptana
Amomum compactum
Elettaria cardamomum
Entada scandens
Alpinia katsumadai
Sauropus androgynus
Usnea misaminensis
Aquilaria sinensis
Cinnamomum camphora
Archangelisia flava
Cinnamomum cullilawan
Cinnamomum burmani
Cinnamomum cassia
Melaleuca leucadendra
Parameria laevigata
Caesalpinia sappan
Grewia salutaris
Capparis acuminata
Psophocarpus
tetragonolobus
Elettaria speciosa
Brugmansia candida
Datura alba
Datura stramonium
Parkia roxburghii
Soya max
Strobilanthes crispus

P.201
P.202
P.203
P.204
P.205
P.206
P.207
P.208
P.209
P.210
P.211
P.212
P.213
P.214
P.215
P.216
P.217
P.218
P.219
P.220
P.221
P.222
P.223
P.224
P.225
P.226
P.227
P.228
P.229
P.230
P.231
P.232
P.233
P.234
P.235
P.236
P.237
P.238
P.239

Typhonium flagelliforme
Cocos nucifera
Rheum tanguticum
Dendrophthoe pentandra
Mirabilis jalapa
Carthamus tinctorius
Aleurites moluccana
Leucaena glauca
Phyllanthus emblica
Piper cubeba
Murraya paniculata
Canangium odoratum
Canarium commune
Kaempferia galanga
Tagetes erecta
Stelechocarpus burahol
Sterculia foetida
Terminalia catappa
Cassia tora
Cassia alata
Coriandrum sativum
Lindera strychnifolia
Cinchona succirubra
Trigonella foenumgraecum
Brassica napus
Cola acuminata
Amorphophallus konjac
Coffea arabica
Litsea cubeba
Chrysanthemum
morifolium
Portulaca oleracea
Pueraria lobata
Orthosiphon stamineus
Kaempferia angustifolia
Kaempferia rotunda
Curcuma longa
Phoenix dactylifera
Brucea javanica
Cucurbita pepo

19
Lampiran 3 Lanjutan
P.240
P.241
P.242
P.243
P.244
P.245
P.246
P.247
P.248
P.249
P.250
P.251
P.252
P.253
P.254
P.255
P.256
P.257
P.258
P.259
P.260
P.261
P.262
P.263
P.264
P.265
P.266
P.267
P.268
P.269
P.270
P.271
P.272
P.273
P.274
P.275
P.276
P.277
P.278
P.279

Sechium edule
Piper nigrum
Piperis Albi
Ocimum sanctum
Alpinia galanga
Vetiveria zizanioides
Gentiana macrophylla
Lavandula angustifolia
Litchi chinensis
Ledebouriella divaricata
Vitex trifolia
Zingiber amaricans
Zingiber zerumbet
Zingiber littoralis
Zingiber aromaticum
Languas galanga
Leucas lavandulifolia
Alpinia officinarum
Polygala glomerata
Aloe vera
Sophora flavescens
Momordica grosvenori
Raphanus sativus
Eriobotrya japonica
Nigella damascena
Boswellia carteri
Phaleria papuana
Swietenia mahagoni
Swietenia macrophylla
Galla lusitania
Quercus lusitanica
Coleus forskohli
Psoralea corylifolia
Mangifera indica
Garcinia mangostana
Nothopanax scutellarium
Massoia aromatica
Pistacia lentiscus
Rosa chinensis
Jasminum sambac

P.280
P.281
P.282
P.283
P.284
P.285
P.286
P.287
P.288
P.289
P.290
P.291
P.292
P.293
P.294
P.295
P.296
P.297
P.298
P.299
P.300
P.301
P.302
P.303
P.304
P.305
P.306
P.307
P.308
P.309
P.310
P.311
P.312
P.313
P.314
P.315
P.316
P.317
P.318
P.319
P.320

Morinda citrifolia
Phyllanthus urinaria
Mentha piperita
Cucumis sativus
Setaria italica
Azadirachta indica
Melia azedarach
Terminalia chebula
Aegle marmelos
Ptychopetalum uncinatum
Commiphora wightii
Carum copticum
Artemisia cina
Morus australis
Aucklandiae lappae
Messua ferrea
Homalomena occulta
Ananas comosus
Artocarpus heterophyllus
Pogostemon cablin
Panax pseudoginseng
Avena sativa
Ophiopogon japonicus
Eclipta prostrata
Impatiens balsamina
Aglaia odorata
Lawsonia inermis
Costus speciosus
Oryza sativa
Sophora japonica
Selaginella doederlinii
Myristica fragrans
Myristica argentea
Calamus Draco
Pandanus amaryllifolius
Vanilla planifolia
Momordica charantia
Paris polyphylla
Eurycoma longifolia
Euphorbia thymifolia
Euphorbia hirta

20
Lampiran 3 Lanjutan
P.321
P.322
P.323
P.324
P.325
P.326
P.327
P.328
P.329
P.330
P.331
P.332
P.333
P.334
P.335
P.336
P.337
P.338
P.339
P.340
P.341
P.342
P.343
P.344
P.345
P.346
P.347
P.348
P.349
P.350
P.351
P.352
P.353
P.354
P.355
P.356
P.357
P.358
P.359
P.360

Prunus persica
Stachytarpheta jamaicensis
Hydrocotyle asiatica
Illicium verum
Carica papaya
Perilla frutescens
Parkia speciosa
Areca catechu
Pinus merkusii
Musa paradisiaca
Musa balbisianna
Pygeum africanum
Prunus armeniaca
Mentha arvensis
Jasminum pubescens
Euchresta horsfieldii
Saussurea Lappa
Calvatia gigantea
Lepiniopsis ternatensis
Alstonia scholaris
Rauvolvia serpentina
Pimpinella pruatjan
Artemisia lactiflora
Schima noronhae
Helicteres isora
Mimosa pudica
Notopterygium incisum
Taraxacum officinale
Ceiba pentandra
Lonicera japonica
Rubia cordifolia
Trifolium pratense
Butea Superba
Paeonia veitchii
Hibiscus sabdariffa
Ruta graveolens
Polygonum cuspidatum
Lycopodium cernuum
Lophatherum gracile
Laminaria japonica

P.361
P.362
P.363
P.364
P.365
P.366
P.367
P.368
P.369
P.370
P.371
P.372
P.373
P.374
P.375
P.376
P.377
P.378
P.379
P.380
P.381
P.382
P.383
P.384
P.385
P.386
P.387
P.388
P.389
P.390
P.391
P.392
P.393
P.394
P.395
P.396
P.397
P.398
P.399
P.400
P.401

Physalis minima
Hedyotis corymbosa
Abrus precatorius
Syzygium polyanthum
Vernonia cinerea
Salvia coccinea
Cistanches salsa
Salvia miltiorrhiza
Hemigraphis colorata
Andrographis paniculata
Moschosma polystachium
Sindora sumatrana
Chaenomeles sinensis
Symplocos odoratissima
Serenoa repens
Brassica juncea
Brassica nigrae
Nasturtium indicum
Schisandra chinensis
Scrophularia ningpoensiis
Ocimum polystachyon
Apium graveolens
Prunella vulgaris
Hydrocotyle sibthorpioides
Paederia foetida
Blumea balsamifera
Clerodendron serratum
Albizzia falcataria
Cassia angustifolia
Cymbopogon nardus
Nelumbo nucifera
Crataegus pinnatifida
Pyrrosia sheareri
Rehmannia preparata
Xanthium sibricum
Polygonatum sibiricum
Sida rhombifolia
Woodfordia floribunda
Siegesbeckia orientalis
Silybum marianum
Potentilla chinensis

21
Lampiran 3 Lanjutan
P.402
P.403
P.404
P.405
P.406
P.407
P.408
P.409
P.410
P.411
P.412
P.413
P.414
P.415
P.416
P.417
P.418
P.419
P.420
P.421
P.422
P.423
P.424
P.425
P.426
P.427
P.428
P.429
P.430
P.431
P.432
P.433
P.434
P.435
P.436
P.437
P.438
P.439
P.440
P.441

Drynaria sparsisora
Cinnamomum sintok
Piper betle
Annona muricata
Caralluma fimbriata
Talinum paniculatum
Talinum triangulare
Sparganium stoloniferum
Spirulina
Nyctanthes arbor-tritis
Stephania tetrandra
Stevia rebaudiana
Fragaria vesca
Spatholobus suberectus
Artocarpus communis
Bixa orellana
Ficus deltoidea
Codonopsis pilosula
Catharanthus roseus
Elephantopus scaber
Dipsacus asper
Saccharum officinarum
Theae sinensis
Matricaria chamomilla
Melaleuca alternifolia
Cyperus rotundus
Thymus vulgaris
Lantana camara
Scaphium affinis
Sonchus arvensis
Curcuma heyneana
Curcuma soloensis
Curcuma aeruginosa
Kaempferia pandurata
Curcuma xanthorrhiza
Curcuma mangga
Curcuma zedoaria
Fritillaria cirrhosa
Solanum verbacifolium
Gynura pinnatifida

P.442
P.443
P.444
P.445
P.446
P.447
P.448
P.449
P.450
P.451
P.452
P.453
P.454
P.455
P.456
P.457
P.458
P.459
P.460
P.461
P.462
P.463
P.464
P.465

Pouzolzia zeylanica
Solanum lycopersicum
Tetranthera brawas
Paeonia suffruticosa
Cassia fistula
Tribulus terrestris
Trichosanthes kirilowii
Wolfiporia extensa
Sesbania grandiflora
Manihot utilissima
Valeriana javanica
Hibiscus mutabilis
Hibiscus tiliaceus
Paeonia lactiflora
Salix alba
Sesamum indicum
Ziziphus spina-christi
Daucus carota
Corydalis yanhusuo
Ilex paraguariensis
Epimedium brevicornum
Pausinystalia yohimbe
Olea europaea
Alisma orientalis

22
Lampiran 4 Tabel Z1
Percobaan 9 kelompok dengan bobot 0.1
C1
P0001
P0004
P0061
P0068
P0144
P0176
P0181
P0188
P0198
P0210
P0214
P0221
P0236
P0241
P0254
P0255
P0281
P0311
P0323
P0334
P0339
P0345
P0386
P0435
P0436

C2
P0061
P0126
P0144
P0318
P0436

C3
P0068
P0144
P0214
P0236
P0241
P0254
P0255
P0311
P0436

C4
P0021
P0155
P0189
P0214
P0236
P0269
P0339
P0404
P0435
P0436

C5
P0001
P0061
P0068
P0144
P0176
P0198
P0214
P0236
P0241
P0254
P0255
P0311
P0436

C6
P0214
P0221
P0434
P0436

C7
P0001
P0061
P0068
P0144
P0166
P0241
P0339

C8
P0053
P0188
P0202

C9
P0053
P0233
P0236
P0280
P0281
P0323
P0340
P0364
P0370
P0436

C5
P0061
P0144
P0214
P0241
P0254
P0436

C6
P0436

C7
P0166

C8

C9
P0370
P0436

Percobaan 9 kelompok dengan bobot 0.3
C1
P0001
P0144
P0176
P0214
P0339
P0436

C2
P0061
P0126
P0318

C3
P0144
P0214
P0436

C4
P0236
P0436

Percobaan 20 kelompok dengan bobot 0.1
C1

C2

C3

C4

C5

C6

C7

C8

C9

C10

C11

C12

C13

C14

C15

C16

C17

C18

C19

C20

P0053

P0021

P0021

P0061

P0004

P0029

P0006

P0061

P0053

P0061

P0188

P0061

P0280

P0144

P0034

P0098

P0004

P0061

P0180

P0004

P0061

P0029

P0236

P0068

P0024

P0061

P0097

P0214

P0236

P0068

P0202

P0068

P0214

P0068

P0155

P0044

P0068

P0198

P0068

P0097

P0098

P0323

P0144

P0061

P0188

P0200

P0221

P0316

P0144

P0126

P0236

P0115

P0189

P0166

P0144

P0236

P0144

P0144

P0155

P0436

P0176

P0068

P0198

P0233

P0233

P0323

P0176

P0144

P0254

P0144

P0234

P0176

P0176

P0325

P0214

P0233

P0203

P0181

P0132

P0214

P0236

P0236

P0364

P0198

P0176

P0254

P0188

P0236

P0189

P0214

P0435

P0221

P0236

P0211

P0190

P0144

P0254

P0281

P0241

P0370

P0214

P0198

P0436

P0202

P0269

P0210

P0236

P0436

P0236

P0281

P0236

P0198

P0188

P0266

P0431

P0254

P0436

P0236

P0214

P0282

P0270

P0221

P0241

P0334

P0323

P0269

P0210

P0198

P0434

P0436

P0276

P0254

P0236

P0390

P0328

P0236

P0254

P0436

P0340

P0404

P0214

P0210

P0436

P0308

P0255

P0241

P0404

P0404

P0404

P0255

P0364

P0424

P0221

P0214

P0386

P0370

P0259

P0436

P0435

P0435

P0311

P0370

P0432

P0236

P0221

P0403

P0436

P0255

P0436

P0436

P0334

P0436

P0436

P0331

P0236

P0435

P0318

P0370

P0323

P241

P0436

P0436

P0386

P0334

P0254

P0345

P0255

P0386

P0281

P0404

P0311

P0434

P0323

P0436

P0386

P0436

P0390
P0435
P0436

23

24

Percobaan 20 kelompok dengan bobot 0.3
C1

C2

C3

C4

C5

C6

C7

C8

C9

C10

C11

C12

P0233

P0155

P0236

P0001

P0001

P0061

P0006

P0214

P0370

P0061

P0001

P0340

P0211

P0436

P0144

P0144

P0214

P0200

P0236

P0436

P0144

P0370

P0236

P0176

P0198

P0254

P0233

P0436

P0214

P0311

P0214

P0436

P0281

P0334

P0254

P0436

P0436

P0255

P0436

P0339
P0436
P0436

C13

C14

C15

C16

C17

C18

C19

C20

P0061

P0144

P0144

P0155

P0001

P0061

P0180

P0001

P0188

P0144

P0214

P0188

P0189

P00339

P0144

P0236

P0144

P0202

P0241

P0202

P0236

P0214

P0436

P0254

P0254

P0390

P0404

P0311

P0436

P0436

Percobaan 30 kelompok dengan bobot 0.1
C1
P0004
P0021
P0144
P0214
P0236
P0241
P0254
P0255
P0308
P0311
P0334

C2
P0001
P0004
P0034
P0061
P0068
P0144
P0171
P0176
P0181
P0188
P0190
P0198
P0203
P0210
P0221
P0308
P0311
P0323
P0334
P0339
P0345
P0403
P0434
P0436

C3
P0144
P0198
P0236
P0281
P0323
P0370
P0436

C4
P0001
P0061
P0068
P0126
P0144
P0176
P0210
P0214
P0233
P0236
P041
P0255
P0281
P0311
P0318
P0436

C5
P0001
P0004
P0006
P0029
P0061
P0068
P0144
P0176
P0188
P0198
P0210
P0214
P0221
P0236
P00241
P0252
P0254
P0255
P0281
P0311
P0323
P0339
P0340
P0386
P0436

C6
P0034
P0061
P0111
P0126
P0128
P0142
P0199
P0233
P0236
P0280
P0281
P0300
P0318
P0342
P0371
P0382

C7
P0001
P0144
P0166
P0189
P0210
P0214
P0236
P0276
P0339
P0404
P0432

C8
P0126
P0144
P0255
P0311
P0334
P0386

C9
P0029
P0045
P0053
P0091
P0190
P0233
P0236
P0280
P0281
P0323
P0325
P0370
P0386
P0424
P0431
P0436

C10
P0001
P0061
P0068
P0144
P0166
P0176
P0188
P0210
P0214
P0221
P0236
P0241
P0254
P0339
P0345
P0434
P0435
P0436

C11
P0001
P0068
P0144
P0176
P0214
P0254
P0234
P0345
P0363
P0386
P0404
P0421

C12
P0155
P0189
P0234
P0236
P0269
P0270
P0328
P0404
P0435
P0436

C13
P0001
P0006
P0029
P0144
P0214
P0236
P0254
P0386
P0404
P0434
P0435
P0436

C14
P0144
P0176
P0188
P0214
P0221
P0254
P0255
P0290
P0436

C15
P0006
P0061
P0144
P0176
P0198
P0214
P0241
P0254
P0255
P0311
P0339
P0386
P0407
P0436

25

26

Percobaan 30 kelompok dengan bobot 0.3 lanjutan
C16
P0001
P0034
P0061
P0068
P0126
P0132
P0144
P0181
P0188
P0210
P0214
P0221
P0233
P0241
P0254
P0255
P0281
P0308
P0311
P0314
P0339
P0386
P0390
P0427
P0436

C17
P0098
P0155
P0189
P0210
P0214
P0221
P0234
P0236
P0269
P0270
P0328
P0339
P0404
P0435
P0436

C18
P0061
P0068
P0214
P0236
P0323
P0363
P0386
P0421
P0436

C19
P0029
P0098
P0155
P0203
P0211
P0236
P0269
P0432

C20
P0061
P0068
P0144
P0176
P0214
P0236
P0254
P0255
P0311
P0370
P0436

C21
P0061
P0126
P0188
P0214
P0236
P0241
P0252
P0254
P0318
P0436

C22
P0001
P0002
P0004
P0029
P0061
P0144
P0168
P0189
P0193
P0198
P0214
P0221
P0236
P0254
P0255
P0269
P0339
P0435
P0436

C23
P0001
P0155
P0236
P0280
P0364
P0424
P0432

C24
P0006
P0097
P0200
P0214
P0233
P0236
P0241
P0276
P0281
P0364
P0431
P0436

C25
P00