Pada perhitungan ini iterasi berhenti pada iterasi ke-9 karena kelompok data 3 sama dengan kelompok data 2 dari hasil
clustering,
dan telah mencapai stabil dan konvergen.
3.5 Desain
User Interface
Gambar 3. 2
User Interface
User interface
penerapan metode
K-Means Cluster ing
untuk memetakan potensi produksi buah
– buahan di Provinsi Daerah Istimewa Yogyakarta. Dalam
user interface
terdapat button “cari data” untuk memasukan data yang akan
diolah. Data awal sebelum di olah akan ditampilkan dalam tabel “ tabel hasil”
dan masuk ke dalam kolom jenis buah, daerah, jumlah pohon, produksi, dan tahun. Selanjutnya,
user
menekan button “proses” maka data akan diolah dengan
algoritma
K-Means clustering
sehingga akan mendapatkan hasil pada kolom
Cluster
pada tabel “tabel hasil”. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.6 Spesifikasi Alat
Sistem ini mempunyai kebutuhan perangkat keras dan lunak untuk mendapatkan hasil yang maksimal.
1. Kebutuhan perangkat lunak :
a. Microsoft Windows 10
b. Microsoft Excel 10
c. Matlab 2012
2. Kebutuhan perangkat keras :
a. Processor
: AMD A8-6410 Quad Core 2.0Ghz up to 2.4Ghz b.
Memory : 4GB DDR3
c. Hardisk
: 500GB 5400rpm PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
BAB IV IMPLEMENTASI SISTEM DAN ANALISISA HASIL
Bab ini berisikan tentang implementasi dan analisis keluaran dari
system
dengan algoritma yang telah digunakan serta perancangan antarmuka.
4.1 Implemantasi
Landasan teori dan metodologi yang telah disampaikan berkurang manfaatnya jika disertai dengan implementasi. Implementasi dibagi kedalam dua bagian,
yaitu berkaitan dengan pengolahaan data dan
user interface system
.
4.2
K-Means Clustering
Gambar 4. 1 Implementasi
– K-Means clustering dengan tiga cluster
Proses pengelompokan dengan menggunakan metode
K-Means clustering
dengan tiga
cluster.
Sehingga didapatkan hasil yang tidak seimbang atau memiliki selisih jumlah data yang sangat jauh pada setiap
cluster.
Tabel 4. 1 Jumlah data masing
– masing
cluster
Cluster Jumlah
1 142
2 176
3 127
4.3
User Interface
Dalam membuta
system implementasi
K-Means clustering
untuk pengelompokan capaian belajar ini penulisan menggunakan Matlab R2012b.
User Interface
system
telah dipaparkan
dalam bab
sebelumnya diimplementasikan dan digunkan untuk melakukan proses pengelompokan
dengan
K-Means clustering.
Sistem menampilkan hasil
cluster .
Gambar 4.2 Contoh
User Interface
dari keseluruhan system yang telah terbentuk.
Gambar 4. 2 Tampilan keseluruhan sistem
Dalam proses pengelompokan data terdapat dua langkah utama, yaitu
input data
dan proses
K-Means clustering.
4.4 Input Data
