Identifikasi Potensi Daerah Menggunakan Metode K-Means Clustering pada Pendaftaran Tanah Sistematis Lengkap
Article Sidebar
Published:
Dec 31, 2020
Keywords:
K-Means, PTSL, identification, potential, cluster
Main Article Content
Abstract
The lack of public awareness in some regions in making land title certificates has resulted in the Program Pendaftaran Tanah Sistematis Lengkap (PTSL) being unable to run evenly. This study aims to identify areas that have the potential for making land certificates so that there is an equal distribution of the PTSL program. Based on PTSL data for 2017, 2018, and 2019 in the City of Bukittinggi, there are several urban villages that still have low potential in making certificates. The K-Means method can be used to group data from an area. The results of the testing of this method were 3 clusters of potential areas were obtained, so that the potential approach of land registration areas was obtained through the PTSL program to achieve the complete city target by the Bukittingi City Land Office.
Article Details
How to Cite
Ardian, D. Y., Defit, S., & Yunus, Y. (2020). Identifikasi Potensi Daerah Menggunakan Metode K-Means Clustering pada Pendaftaran Tanah Sistematis Lengkap. Jurnal Informasi Dan Teknologi, 2(4), 145-150. https://doi.org/10.37034/jidt.v2i4.106
Issue
Section
Articles
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
[1] Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi dan Sistem Informasi, 5(1), 17-24. DOI: https://doi.org/10.25077/teknosi.v5i1.2019.17-24 .
[2] Rosmini, R., Fadlil, A., & Sunardi, S. (2018). Implementasi Metode K-Means dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah. IT Journal Research and Development, 3(1), 22-31. DOI: https://doi.org/10.25299/itjrd.2018.vol3(1).1773 .
[3] Aprianti, W., & Permadi, J. (2018). K-Means Clustering untuk Data Kecelakaan Lalu Lintas Jalan Raya di Kecamatan Pelaihari. Jurnal Teknologi Informasi dan Ilmu Komputer, 5(5), 613-620. DOI: http://dx.doi.org/10.25126/jtiik.2018551113 .
[4] Rustam, S., Santoso, H. A., & Supriyanto, C. (2018). Optimasi K-Means Clustering untuk Identifikasi Daerah Endemik Penyakit Menular Dengan Algoritma Particle Swarm Optimization di Kota Semarang. ILKOM Jurnal Ilmiah, 10(3), 251-259. DOI: https://doi.org/10.33096/ilkom.v10i3.342.251-259 .
[5] Ali, A. (2019). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo. MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 19(1), 186-195. DOI: https://doi.org/10.30812/matrik.v19i1.529 .
[6] Febianto, N. I., & Palasara, N. (2019). Analisa Clustering K-Means pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130. DOI: https://doi.org/10.32736/sisfokom.v8i2.653 .
[7] Asroni, A., Fitri, H., & Prasetyo, E. (2018). Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik). Semesta Teknika, 21(1). DOI: https://doi.org/10.18196/st.211211 .
[8] Pakaya, R., & Suleman, S. (2018). Pengelompokkan Kualitas Daging Ikan Tuna Dengan K-Means Berbasis Histogram Derajat Keabuan. Jurnal Technopreneur (Jtech), 6(2), 75. DOI: https://doi.org/10.30869/jtech.v6i2.207 .
[9] Silvi, R. (2018). Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokkan Indikator HIV/AIDS di Indonesia. Jurnal Matematika "MANTIK", 4(1), 22-31. DOI: https://doi.org/10.15642/mantik.2018.4.1.22-31 .
[10] Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru. Sistemasi, 7(3), 238. DOI: https://doi.org/10.32520/stmsi.v7i3.388 .
[11] Guntur, M., Santony, J., & Yuhandri, Y. (2018). Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(1), 354-360. DOI: https://doi.org/10.29207/resti.v2i1.276 .
[12] Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal Of Information Technology And Computer Science, 1(1), 72-77. DOI: https://doi.org/10.31539/intecoms.v1i1.141 .
[13] Elfaladonna, F., & Rahmadani, A. (2019). Analisa Metode Classification-Decission Tree dan Algoritma C.45 untuk Memprediksi Penyakit Diabetes dengan Menggunakan Aplikasi Rapid Miner. SINTECH (Science And Information Technology) Journal, 2(1), 10-17. DOI: https://doi.org/10.31598/sintechjournal.v2i1.293 .
[14] Mustofa, M. (2019). Penerapan Algoritma K-Means Clustering pada Karakter Permainan Multiplayer Online Battle Arena. Jurnal Informatika, 6(2), 246-254. DOI: https://doi.org/10.31311/ji.v6i2.6096 .
[15] Parlina, I., Windarto, A. P., Wanto, A., & Lubis, M. R. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program SDP. Journal of Computer Engineering, System and Science, 3(1), 87. DOI: https://doi.org/10.24114/cess.v3i1.8192 .
[2] Rosmini, R., Fadlil, A., & Sunardi, S. (2018). Implementasi Metode K-Means dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah. IT Journal Research and Development, 3(1), 22-31. DOI: https://doi.org/10.25299/itjrd.2018.vol3(1).1773 .
[3] Aprianti, W., & Permadi, J. (2018). K-Means Clustering untuk Data Kecelakaan Lalu Lintas Jalan Raya di Kecamatan Pelaihari. Jurnal Teknologi Informasi dan Ilmu Komputer, 5(5), 613-620. DOI: http://dx.doi.org/10.25126/jtiik.2018551113 .
[4] Rustam, S., Santoso, H. A., & Supriyanto, C. (2018). Optimasi K-Means Clustering untuk Identifikasi Daerah Endemik Penyakit Menular Dengan Algoritma Particle Swarm Optimization di Kota Semarang. ILKOM Jurnal Ilmiah, 10(3), 251-259. DOI: https://doi.org/10.33096/ilkom.v10i3.342.251-259 .
[5] Ali, A. (2019). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo. MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 19(1), 186-195. DOI: https://doi.org/10.30812/matrik.v19i1.529 .
[6] Febianto, N. I., & Palasara, N. (2019). Analisa Clustering K-Means pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(2), 130. DOI: https://doi.org/10.32736/sisfokom.v8i2.653 .
[7] Asroni, A., Fitri, H., & Prasetyo, E. (2018). Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik). Semesta Teknika, 21(1). DOI: https://doi.org/10.18196/st.211211 .
[8] Pakaya, R., & Suleman, S. (2018). Pengelompokkan Kualitas Daging Ikan Tuna Dengan K-Means Berbasis Histogram Derajat Keabuan. Jurnal Technopreneur (Jtech), 6(2), 75. DOI: https://doi.org/10.30869/jtech.v6i2.207 .
[9] Silvi, R. (2018). Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokkan Indikator HIV/AIDS di Indonesia. Jurnal Matematika "MANTIK", 4(1), 22-31. DOI: https://doi.org/10.15642/mantik.2018.4.1.22-31 .
[10] Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru. Sistemasi, 7(3), 238. DOI: https://doi.org/10.32520/stmsi.v7i3.388 .
[11] Guntur, M., Santony, J., & Yuhandri, Y. (2018). Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 2(1), 354-360. DOI: https://doi.org/10.29207/resti.v2i1.276 .
[12] Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal Of Information Technology And Computer Science, 1(1), 72-77. DOI: https://doi.org/10.31539/intecoms.v1i1.141 .
[13] Elfaladonna, F., & Rahmadani, A. (2019). Analisa Metode Classification-Decission Tree dan Algoritma C.45 untuk Memprediksi Penyakit Diabetes dengan Menggunakan Aplikasi Rapid Miner. SINTECH (Science And Information Technology) Journal, 2(1), 10-17. DOI: https://doi.org/10.31598/sintechjournal.v2i1.293 .
[14] Mustofa, M. (2019). Penerapan Algoritma K-Means Clustering pada Karakter Permainan Multiplayer Online Battle Arena. Jurnal Informatika, 6(2), 246-254. DOI: https://doi.org/10.31311/ji.v6i2.6096 .
[15] Parlina, I., Windarto, A. P., Wanto, A., & Lubis, M. R. (2018). Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clustering Program SDP. Journal of Computer Engineering, System and Science, 3(1), 87. DOI: https://doi.org/10.24114/cess.v3i1.8192 .