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. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
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