Clustering tanaman herbal penyusun jamu menggunakan algoritme K-means

(1)

CLUSTERING

TANAMAN HERBAL PENYUSUN JAMU

MENGGUNAKAN ALGORITME K-MEANS

DIAN SAGITA LUMBANBATU

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(2)

(3)

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.

(4)

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.

(5)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer

pada

Departemen Ilmu Komputer

CLUSTERING

TANAMAN HERBAL PENYUSUN JAMU

MENGGUNAKAN ALGORITME K-MEANS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

(6)

(7)

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

(8)

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 teman-teman terdekat penulis, rekan-rekan Ilkomerz khususnya Ilkomerz 45 yang telah saling memberi semangat dan bantuannya untuk menyelesaikan penelitian.

Semoga karya ilmiah ini bermanfaat.

(9)

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

(10)

DAFTAR TABEL

1 Nama khasiat formula jamu 4

2 Jumlah efikasi yang bernilai sama dengan setiap kelompok pada

percobaan 9 kelompok 9

3 Tabel efikasi yang dominan pada setiap kelompok pada percobaan 9

kelompok 9

4 Tabel Z3 dengan pembobotan 0.3 pada data 9 kelompok 10

DAFTAR GAMBAR

1 Tahapan penelitian 3

2 Perintah untuk kelompok data dan proses pengelompokkan kelompok 6

3 Perintah pembuatan matriks efikasi dominan 7

4 Perintah yang diterapkan untuk pengambilan tanaman 7 5 Perintah yang diterapkan untuk pengambilan tanaman 7 6 Hasil perhitungan efikasi yang dominan sama dengan setiap kelompok

pada percobaan pengelompokkan 9 kelompok, 20 kelompok dan 30

kelompok 8

DAFTAR LAMPIRAN

1 Tabel matriks efikas 13

2 Tabel efikasi dominan setiap kelompok 15

3 Keterangan nama P1-Pn 16

(11)

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.

(12)

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

(13)

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.

(14)

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

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.

(15)

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

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

 ProcessorIntel 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 sumsquare 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.

e_�2 = ��_�₌₁� _�� − _� 2

Sumsquare error untuk seluruh cluster yang terdiri dari k clusters adalah jumlah dari within-cluster variations.

e_�2 = �_� �_�2

(16)

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

(17)

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] ;

(18)

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.

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.

(19)

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 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

Tabel 3 Tabel efikasi yang dominan pada setiap kelompok pada percobaan 9 kelompok

Efikasi C1 C2 C3 C4 C5 C6 C7 C8 C9

(20)

10

Tabel 4 Tabel Z3 dengan pembobotan 0.3 pada data 9 kelompok

C

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).

(21)

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 k-means. 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

(22)

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.

(23)

13 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 C12 C13 C14 C15 C16 C17 C18 C19 C20

E1 3 0 2 1 0 0 39 1 2 0 0 0 20 0 0 0 2 0 1 1

E2 0 121 18 4 2 6 1 6 2 2 0 2 16 2 0 40 15 0 1 10

E3 0 0 1 1 4 1 0 1 0 0 0 0 7 4 0 0 1 0 0 1

E4 24 16 151 26 13 13 15 21 86 3 207 2 299 32 8 2 25 6 0 17

E5 0 16 77 7 10 9 0 25 8 6 4 11 32 27 1 93 30 3 18 21

E6 13 4 47 14 39 51 21 57 34 89 2 122 118 99 5 20 17 69 0 14

E7 0 0 18 26 24 4 1 5 13 12 4 10 55 52 39 1 6 18 0 18

(24)

14

Lampiran 1 Lanjutan

E C1 C2 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

E1 0 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

E2 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

E3 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

E4 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

E5 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

E6 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

E7 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

E8 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

(25)

15 Lampiran 2 Tabel efikasi dominan setiap kelompok

Percobaan 9 kelompok

E C1 C2 C3 C4 C5 C6 C7 C8 C9

E maksimum 1 E7 E6 E6 E5 E6 E4 E4 E4 E4

E maksimum 2 E6 E4 E7 E4 E7 E6 E6 E2 E6

E C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20

E maksimum 1 E4 E2 E4 E8 E6 E6 E1 E6 E4 E6 E4 E6 E4 E6 E7 E5 E5 E6 E5 E5 E maksimum 2 E6 E4 E5 E7 E7 E4 E6 E5 E6 E7 E9 E5 E6 E7 E9 E2 E4 E7 E1 E7

E C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15

E maksimum 1 E6 E4 E4 E6 E7 E4 E5 E7 E4 E5 E8 E5 E6 E6 E6

Percobaan 30 kelompok lanjutan

E C16 C17 C18 C19 C20 C21 C22 C23 C24 C25 C26 C27 C28 C29 C30

(26)

16

Lampiran 3 Keterangan nama P1-Pn P.1 Foeniculum vulgare P.2 Clausena anisum-olens P.3 Litsea chinensis

P.4 Glycyrrhiza uralensis P.5 Acacia sieberiana P.6 Imperata cylindrica P.7 Phellodendron chinense P.8

Zanthoxylum acanthopodium P.9 Cichorium intybus P.10 Vitis vinifera P.11 Pterocarpus indica P.12 Artemisia annua

P.13 Elaeocarpus grandiflora P.14 Malus domestica P.15 Persia americana P.16 Arenga pinnata

P.17 Arisaema consanguineum P.18 Clematis armandii

P.19 Cynara scolimus P.20 Garcinia atroviridis P.21 Tamarindus indica P.22 Angelica keiskei P.23 Asparagus officinalis P.24 Astragalus membranaceus P.25 Amomum kravanh

P.26 Atractylodis Macrocephala P.27 Benincasa hispida

P.28 Pinella ternata P.29 Zingiber purpureum P.30 Hordeum vulgare P.31 Allium fistulosum P.32 Allium tuberosum P.33 Allium cepae P.34 Allium sativum P.35 Sisyrinchium striatum P.36 Spinacia oleracea P.37 Amaranthus spinosus P.38 Pterospermum javanicum P.39 Allium ursinum

P.40 Pluchea indica

P.41 Scurrula atropurpurea P.42 Pachyrrhizus erosus P.43 Ficus benjamina P.44 Strychnos ligustrina P.45 Merremia mammosa P.46 Vaccinium myrtillus P.47 Beta Vulgaris

P.48 Cimicifuga racemosa P.49 Ribes nigrum

P.50 Averrhoa bilimbi P.51 Plantago ovata P.52 Luffa cylindrica P.53 Tinospora tuberculata P.54 Brassica oleracea P.55 Pandanus conoideus P.56 Phaseolus vulgaris P.57 Platycodon grandiflorus P.58 Helianthus annuus

(27)

17 Lampiran 3 Lanjutan

P.81 Theobroma cacao P.82 Cola nitida

P.83 Lindera aggregata P.84

Anemarrhena asphodeloides

P.85 Curcuma phaeocaulis P.86 Cuscuta chinensis P.87 Erythrina variegata P.88 Erythrina hypaphorus P.89 Angelica dahurica P.90 Turnera aphrodisiaca P.91 Gynura segetum P.92 Desmodium triquetrum P.93 Plumbago zeylanica P.94 Plectranthus amboinicus P.95 Achillea santolina P.96 Graptophyllum pictum P.97 Plantago major

P.98 Punica granatum P.99 Glochidion rubrum P.100 Cistanche deserticola P.101

Harpagophytum procumbens P.102 Acorus calamus P.103 Angelica pubescentis P.104 Argemone mexicana P.105 Eucommia ulmoides P.106 Syzygium cumini P.107 Echinacea purpurea P.108 Saposhnikovia divaricata P.109 Tanacetum parthenium P.110 Forsythia suspensa P.111 Dioscorea opposite P.112 Smilax zeylanica

P.113 Polygonum multiflorum P.114 Uncaria rhynchophylla P.115 Gaultheria punctata P.116 Justicia gendarussa P.117 Triticum vulgare P.118 Ligusticum acutilobum P.119 Garcinia cambogia

P.120 Sanguisorba officinalis P.121 Gastrodia elata

P.122 Borreria hispida P.123 Commiphora myrrha P.124 Ginkgo biloba P.125 Panax quinquefolius P.126 Panax ginseng P.127 Lepidium meyenii P.128 Angelica sinensis

P.129 Eleutherococcus senticosus P.130 Lycium barbarum

P.131 Coptis chinensis P.132 Equisetum debile P.133 Paullinia cupana P.134 Rubus rosaefolius P.135 Gymnema sylvestre P.136 Asarum sieboldii

P.137 Peucedanum praeruptorum P.138 Magnolia officinalis P.139 Coleus scutellarioides P.140 Ruta angustifolia P.141 Isatis indigotica P.142 Zea mays

(28)

18

Lampiran 3 Lanjutan P.161 Citrus aurantium P.162 Citrus hystrix P.163 Pimpinella anisum P.164 Cuminum cyminum P.165 Carum carvi

P.166 Nigella sativa P.167 Cassia siamea P.168 Terminalia bellirica P.169 Terminalia arborea P.170 Simmondsia chinensis P.171 Baeckea frutescens P.172 Gardenia Jasminoides P.173 Phaseolus radiatus P.174 Ipomoea aquatica P.175 Ipomoea reptana P.176 Amomum compactum P.177 Elettaria cardamomum P.178 Entada scandens P.179 Alpinia katsumadai P.180 Sauropus androgynus P.181 Usnea misaminensis P.182 Aquilaria sinensis P.183 Cinnamomum camphora P.184 Archangelisia flava P.185 Cinnamomum cullilawan P.186 Cinnamomum burmani P.187 Cinnamomum cassia P.188 Melaleuca leucadendra P.189 Parameria laevigata P.190 Caesalpinia sappan P.191 Grewia salutaris P.192 Capparis acuminata P.193

Psophocarpus tetragonolobus P.194 Elettaria speciosa P.195 Brugmansia candida P.196 Datura alba

P.197 Datura stramonium P.198 Parkia roxburghii P.199 Soya max

P.200 Strobilanthes crispus

P.201 Typhonium flagelliforme P.202 Cocos nucifera

P.203 Rheum tanguticum P.204 Dendrophthoe pentandra P.205 Mirabilis jalapa

P.206 Carthamus tinctorius P.207 Aleurites moluccana P.208 Leucaena glauca P.209 Phyllanthus emblica P.210 Piper cubeba

P.211 Murraya paniculata P.212 Canangium odoratum P.213 Canarium commune P.214 Kaempferia galanga P.215 Tagetes erecta

P.216 Stelechocarpus burahol P.217 Sterculia foetida P.218 Terminalia catappa P.219 Cassia tora

P.220 Cassia alata

P.221 Coriandrum sativum P.222 Lindera strychnifolia P.223 Cinchona succirubra P.224

Trigonella foenum-graecum

P.225 Brassica napus P.226 Cola acuminata

P.227 Amorphophallus konjac P.228 Coffea arabica

P.229 Litsea cubeba P.230

Chrysanthemum morifolium P.231 Portulaca oleracea P.232 Pueraria lobata

(29)

P.240 Sechium edule P.241 Piper nigrum P.242 Piperis Albi P.243 Ocimum sanctum P.244 Alpinia galanga P.245 Vetiveria zizanioides P.246 Gentiana macrophylla P.247 Lavandula angustifolia P.248 Litchi chinensis

P.249 Ledebouriella divaricata P.250 Vitex trifolia

P.251 Zingiber amaricans P.252 Zingiber zerumbet P.253 Zingiber littoralis P.254 Zingiber aromaticum P.255 Languas galanga P.256 Leucas lavandulifolia P.257 Alpinia officinarum P.258 Polygala glomerata P.259 Aloe vera

P.260 Sophora flavescens P.261 Momordica grosvenori P.262 Raphanus sativus P.263 Eriobotrya japonica P.264 Nigella damascena P.265 Boswellia carteri P.266 Phaleria papuana P.267 Swietenia mahagoni P.268 Swietenia macrophylla P.269 Galla lusitania

P.270 Quercus lusitanica P.271 Coleus forskohli P.272 Psoralea corylifolia P.273 Mangifera indica P.274 Garcinia mangostana P.275 Nothopanax scutellarium P.276 Massoia aromatica P.277 Pistacia lentiscus P.278 Rosa chinensis P.279 Jasminum sambac

P.280 Morinda citrifolia P.281 Phyllanthus urinaria P.282 Mentha piperita P.283 Cucumis sativus P.284 Setaria italica P.285 Azadirachta indica P.286 Melia azedarach P.287 Terminalia chebula P.288 Aegle marmelos

P.289 Ptychopetalum uncinatum P.290 Commiphora wightii P.291 Carum copticum P.292 Artemisia cina P.293 Morus australis P.294 Aucklandiae lappae P.295 Messua ferrea

P.296 Homalomena occulta P.297 Ananas comosus

P.298 Artocarpus heterophyllus P.299 Pogostemon cablin P.300 Panax pseudoginseng P.301 Avena sativa

P.302 Ophiopogon japonicus P.303 Eclipta prostrata P.304 Impatiens balsamina P.305 Aglaia odorata P.306 Lawsonia inermis P.307 Costus speciosus P.308 Oryza sativa P.309 Sophora japonica P.310 Selaginella doederlinii P.311 Myristica fragrans P.312 Myristica argentea P.313 Calamus Draco

(30)

20

Lampiran 3 Lanjutan P.321 Prunus persica

P.322 Stachytarpheta jamaicensis P.323 Hydrocotyle asiatica P.324 Illicium verum P.325 Carica papaya P.326 Perilla frutescens P.327 Parkia speciosa P.328 Areca catechu P.329 Pinus merkusii P.330 Musa paradisiaca P.331 Musa balbisianna P.332 Pygeum africanum P.333 Prunus armeniaca P.334 Mentha arvensis P.335 Jasminum pubescens P.336 Euchresta horsfieldii P.337 Saussurea Lappa P.338 Calvatia gigantea P.339 Lepiniopsis ternatensis P.340 Alstonia scholaris P.341 Rauvolvia serpentina P.342 Pimpinella pruatjan P.343 Artemisia lactiflora P.344 Schima noronhae P.345 Helicteres isora P.346 Mimosa pudica

P.347 Notopterygium incisum P.348 Taraxacum officinale P.349 Ceiba pentandra P.350 Lonicera japonica P.351 Rubia cordifolia P.352 Trifolium pratense P.353 Butea Superba P.354 Paeonia veitchii P.355 Hibiscus sabdariffa P.356 Ruta graveolens

P.357 Polygonum cuspidatum P.358 Lycopodium cernuum P.359 Lophatherum gracile P.360 Laminaria japonica

P.361 Physalis minima P.362 Hedyotis corymbosa P.363 Abrus precatorius P.364 Syzygium polyanthum P.365 Vernonia cinerea P.366 Salvia coccinea P.367 Cistanches salsa P.368 Salvia miltiorrhiza P.369 Hemigraphis colorata P.370 Andrographis paniculata P.371 Moschosma polystachium P.372 Sindora sumatrana

P.373 Chaenomeles sinensis P.374 Symplocos odoratissima P.375 Serenoa repens

P.376 Brassica juncea P.377 Brassica nigrae P.378 Nasturtium indicum P.379 Schisandra chinensis P.380 Scrophularia ningpoensiis P.381 Ocimum polystachyon P.382 Apium graveolens P.383 Prunella vulgaris

P.384 Hydrocotyle sibthorpioides P.385 Paederia foetida

(31)

P.402 Drynaria sparsisora P.403 Cinnamomum sintok P.404 Piper betle

P.405 Annona muricata P.406 Caralluma fimbriata P.407 Talinum paniculatum P.408 Talinum triangulare P.409 Sparganium stoloniferum P.410 Spirulina

P.411 Nyctanthes arbor-tritis P.412 Stephania tetrandra P.413 Stevia rebaudiana P.414 Fragaria vesca

P.415 Spatholobus suberectus P.416 Artocarpus communis P.417 Bixa orellana

P.418 Ficus deltoidea P.419 Codonopsis pilosula P.420 Catharanthus roseus P.421 Elephantopus scaber P.422 Dipsacus asper

P.423 Saccharum officinarum P.424 Theae sinensis

P.425 Matricaria chamomilla P.426 Melaleuca alternifolia P.427 Cyperus rotundus P.428 Thymus vulgaris P.429 Lantana camara P.430 Scaphium affinis P.431 Sonchus arvensis P.432 Curcuma heyneana P.433 Curcuma soloensis P.434 Curcuma aeruginosa P.435 Kaempferia pandurata P.436 Curcuma xanthorrhiza P.437 Curcuma mangga P.438 Curcuma zedoaria P.439 Fritillaria cirrhosa P.440 Solanum verbacifolium P.441 Gynura pinnatifida

P.442 Pouzolzia zeylanica P.443 Solanum lycopersicum P.444 Tetranthera brawas P.445 Paeonia suffruticosa P.446 Cassia fistula P.447 Tribulus terrestris P.448 Trichosanthes kirilowii P.449 Wolfiporia extensa P.450 Sesbania grandiflora P.451 Manihot utilissima P.452 Valeriana javanica P.453 Hibiscus mutabilis P.454 Hibiscus tiliaceus P.455 Paeonia lactiflora P.456 Salix alba

P.457 Sesamum indicum P.458 Ziziphus spina-christi P.459 Daucus carota

P.460 Corydalis yanhusuo P.461 Ilex paraguariensis P.462 Epimedium brevicornum P.463 Pausinystalia yohimbe P.464 Olea europaea

(32)

22

Lampiran 4 Tabel Z1

Percobaan 9 kelompok dengan bobot 0.1

C1 C2 C3 C4 C5 C6 C7 C8 C9

P0001 P0061 P0068 P0021 P0001 P0214 P0001 P0053 P0053

P0004 P0126 P0144 P0155 P0061 P0221 P0061 P0188 P0233

P0061 P0144 P0214 P0189 P0068 P0434 P0068 P0202 P0236 P0068 P0318 P0236 P0214 P0144 P0436 P0144 P0280

P0144 P0436 P0241 P0236 P0176 P0166 P0281

P0176 P0254 P0269 P0198 P0241 P0323

P0181 P0255 P0339 P0214 P0339 P0340

P0188 P0311 P0404 P0236 P0364

P0198 P0436 P0435 P0241 P0370

P0210 P0436 P0254 P0436

P0214 P0255

P0221 P0311

P0236 P0436

P0241

P0254 P0255

P0281 P0311

P0323 P0334

P0339 P0345

P0386 P0435

P0436

C1 C2 C3 C4 C5 C6 C7 C8 C9

P0001 P0061 P0144 P0236 P0061 P0436 P0166 P0370

P0144 P0126 P0214 P0436 P0144 P0436

P0176 P0318 P0436 P0214

P0214 P0241

P0339 P0254

(33)

23 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

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 P0436

P0345 P0255

P0386 P0281

P0404 P0311

P0434 P0323

P0436 P0386

P0390

P0435

(34)

24

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20

P0370 P0236 P0176 P0198 P0254 P0233 P0436 P0214 P0202 P0241 P0202 P0236 P0214 P0436

P0436 P0311 P0214 P0436 P0281 P0254 P0254 P0390 P0404 P0311

P0334 P0254 P0436 P0436 P0436

P0436 P0255

P0339

P0436

(35)

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15

P0254 P0171 P0436 P0210 P0144 P0199 P0236 P0236 P0188 P0234 P0328 P0254 P0255 P0241

P0255 P0176 P0214 P0176 P0233 P0276 P0280 P0210 P0345 P0404 P0386 P0290 P0254

P0308 P0181 P0233 P0188 P0236 P0339 P0281 P0214 P0363 P0435 P0404 P0436 P0255

P0311 P0188 P0236 P0198 P0280 P0404 P0323 P0221 P0386 P0436 P0434 P0311

P0334 P0190 P041 P0210 P0281 P0432 P0325 P0236 P0404 P0435 P0339

P0198 P0255 P0214 P0300 P0370 P0241 P0421 P0436 P0386

P0203 P0281 P0221 P0318 P0386 P0254 P0407

P0210 P0311 P0236 P0342 P0424 P0339 P0436

P0221 P0318 P00241 P0371 P0431 P0345

P0308 P0436 P0252 P0382 P0436 P0434

P0311 P0254 P0435

P0323 P0255 P0436

P0334 P0281

P0339 P0311

P0345 P0323

P0403 P0339

P0434 P0340

P0436 P0386

P0436

(36)

26

Percobaan 30 kelompok dengan bobot 0.3 lanjutan

P0001 P0098 P0061 P0029 P0061 P0061 P0001 P0001 P0006 P0001 P0021 P0001 P0221 P0053 P0001 P0034 P0155 P0068 P0098 P0068 P0126 P0002 P0155 P0097 P0004 P0155 P0188 P0436 P0233 P0061 P0061 P0189 P0214 P0155 P0144 P0188 P0004 P0236 P0200 P0026 P0236 P0202 P0316 P0207 P0068 P0210 P0236 P0203 P0176 P0214 P0029 P0280 P0214 P0144 P0404 P0340 P0211 P0126 P0214 P0323 P0211 P0214 P0236 P0061 P0364 P0233 P0210 P0364 P0259 P0132 P0221 P0363 P0236 P0236 P0241 P0144 P0424 P0236 P0214 P0370 P0308 P0144 P0234 P0386 P0269 P0254 P0252 P0168 P0432 P0241 P0282 P0436 P0323

P0181 P0236 P0421 P0432 P0255 P0254 P0189 P0276 P0339 P0389

P0188 P0269 P0436 P0311 P0318 P0193 P0281 P0449 P0404

P0210 P0270 P0370 P0436 P0198 P0364 P0424

P0214 P0328 P0436 P0214 P0431 P0426

P0221 P0339 P0221 P0436

P0233 P0404 P0236

P0241 P0435 P0254

P0254 P0436 P0255

P0255 P0269

P0281 P0339

P0308 P0435

P0311 P0436

P0314 P0339 P0386 P0390 P0427

(37)

P0214 P0068 P0436 P0144 P0004 P0339 P0370 P0214 P0068 P0189 P0236 P0214 P0144

P0176 P0241 P0144 P0436 P0223 P0144 P0236 P0436 P0436 P0198

P0223 P0436 P0176 P0236 P0176 P0404 P0214

P0311 P0198 P0339 P0334 P0241

P0234 P0339 P0435 P0386 P0254

P0345 P0436 P0255

P0436 P0436

P0061 P0189 P0155 P0144 P0254 P0061 P0424 P0233 P0404 P0436

P0144 P0236 P0211 P0214 P0436 P0144 P0281

P0188 P0269 P0436 P0198 P0431

P0214 P0404 P0223

P0254 P0236

P0255 P0254

P0229 P0255

(38)

28

RIWAYAT HIDUP

Penulis lahir di Kota Siborongborong pada 28 Nopember 1990. Penulis merupakan putri tunggal dari pasangan mangundang Lumbanbatu SH dan Holdina Sihombing Am.Pd. Penulis menamatkan sekolah menengah di Kabupaten Tapanuli Utara yaitu SMAN 1 Siborongborong pada tahun 2008 dan kemudian melanjutkan pendidikan di Institut Pertanian Bogor pada tahun yang sama melalui jalur Undangan Seleksi Masuk IPB (USMI).