Pemetaan Lahan Padi di Kabupaten Semarang
Menggunakan Google Maps API dengan Metode K-Means
Artikel Ilmiah
Peneliti:
Lugas Prayogi Sinatrio (672015259)
Yeremia Alfa Susetyo, S.Kom., M.Cs.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
2019
Pemetaan Lahan Padi di Kabupaten Semarang
Menggunakan Google Maps API dengan Metode K-Means
Artikel Ilmiah
Diajukan kepada Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti:
Lugas Prayogi Sinatrio (672015259)
Yeremia Alfa Susetyo, S.Kom., M.Cs.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
2019
Pemetaan Lahan Padi di Kabupaten Semarang Menggunakan
Google Maps API dengan Metode K-Means
Lugas Prayogi Sinatrio 1, Yeremia Alfa Susetyo 2
Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Jl. Diponegoro 52-60, Salatiga 50771, Indonesia Email : 672015259@student.uksw.edu1, yere13@gmail.com 2
Abstrak
Geographic Information System (GIS) is a computer based information system that is used to process, manipulate, analyze, store, and produce geographic reference data to support decision making in a plan. Indonesia is an agrarian country, with a large enough rice producer, starting from the geographical side located in the equator with a tropical climate. This study aims to produce a geographic information system with visualization of data that contains the location of potentially rice producing areas and a good place for development. Processing of rice producing data is carried out using the K-Means method. The K-Means method is more flexible and easier when implemented and run. The research data used the coordinates of the Kecamatan map in Semarang Regency. Using Google Maps API and coordinate points can produce a map that provides information precisely, because web based systems will be more easily and quickly accessed by users from various places using only a web browser.
Keywords: Rice Producer, Google Maps API, GIS, K-Means.
Sistem Informasi Geografis (SIG) merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah, memanipulasi, menganalisa, menyimpan, dan menghasilkan data bereferensi geografis untuk mendukung pengambilan keputusan dalam suatu perencanaan. Indonesia merupakan negara agraris, dengan penghasil padi yang cukup besar, mulai dari sisi geografis terletak pada daerah katulistiwa dengan iklim tropis. Penelitian ini bertujuan untuk membangun sistem informasi geografis dengan visualisasi data yang berisi letak daerah berpotensi penghasil padi dan tempat yang bagus untuk pengembangannya. Pengolahan data penghasil padi dilakukan menggunakan metode
K-Means. Metode K-Means lebih fleksibel dan lebih mudah ketika diimplementasikan dan dijalankan. Data
penelitian menggunakan titik koordinat peta Kecamatan di Kabupaten Semarang. Dengan menggunakan
Google Maps API dan titik koordinat dapat menghasilkan suatu peta yang memberikan informasi secara
tepat, karena sistem yang berbasis web akan lebih mudah dan cepat diakses oleh pengguna dari berbagai tempat hanya dengan menggunakan web-browser.
Kata Kunci: Penghasil Padi, Google Maps API, SIG, K-Means.
1 Mahasiswa Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana
Salatiga.
1. Pendahuluan
Peningkatan produktivitas padi adalah salah satu upaya pemerintah dalam mewujudkan swasembada pangan. Keberagaman bentuk fisik lahan serta manajemen pengelolaan oleh petani menjadi tantangan dalam upaya tersebut. Secara geografis
Indonesia terletak di katulistiwa dengan morfologi beragam dari dataran rendah sampai dataran tinggi. Hal ini pula yang menyebabkan Indonesia memiliki iklim tropis. Selain itu, letak geografis Indonesia juga menyebabkan Indonesia memiliki dua musim. Hal ini dipengaruhi oleh angin musim yang berhembus tiap enam bulan sekali. Di Indonesia sangatlah cocok dalam bercocok tanam, karena tanaman sangat dipengaruhi dengan iklim cuaca, tanah, dan luas daerah. Indonesia merupakan negara nomor tiga penghasil padi terbesar di dunia, karena iklim dan cuaca di Indonesia sangatlah bagus untuk bercocok tanam, terutama tanaman padi, padi merupakan bahan pokok makanan di Indonesia. Karena letak morfologi Indonesia yang beragam dan curah hujan yang berbeda-beda, perlu adanya pemanfaatan lahan sebagai salah satu penghasilan negara, karena Indonesia merupakan negara yang luas, untuk meningkatkan dan membudidayakan tanaman padi ini dilakukan penelitian dengan pengaruh luas produksi, curah hujan, dan ketinggian tempat serta membuat suatu sistem yang bisa menampilkan keadaan tempat diwilayah tersebut, sehingga mudah untuk menentukan wilayah tersebut termasuk cluster berapa dan termasuk tempat yang bagus untuk menanam padi atau tidak. Dalam pembuatan website ini menggunakan sistem informasi geografis (SIG) dengan metode K-Means yang lebih fleksibel dan lebih mudah ketika diimplementasikan dan dijalankan dengan prinsip yang lebih sederhana. Dalam bidang pecarian informasi pertanian ini, petani kesulitan untuk mendapatkan informasi dari lembaga pertanian daerah ataupun survey per-wilayah itu sendiri, dengan adanya penelitian ini dapat memudahkan para petani ataupun masyarakat mengetahui informasi tentang keaadaan wilayah dan perkembangan budidaya tanaman padi secara online berbasis website.
Sistem Informasi Geografis (SIG) merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah, menganalisa, menyimpan, dan menghasilkan data bereferensi geografis untuk mendukung pengambilan keputusan dalam suatu perencanaan. SIG merupakan teknologi mengenai geografis yang memiliki kemampuan menvisualisasi data spasial dengan atribut-atributnya dan menyajikan informasi dalam bentuk grafis menggunakan peta. Penelitian SIG ini telah banyak dilakukan oleh peneliti lain, beberapa penelitian SIG yang mencakup pemetan suatu kasus yang berbeda-beda di suatu daerah. Google maps API (Application Programming Interface) adalah sekumpulan komponen yang dibuat dalam kelas-kelas yang memiliki berbagai fungsi tertentu. Dengan demikian dapat disimpulkan Google Maps API merupakan sekumpulan komponen untuk melakukan berbagai fungsi terkait aplikasi pemetaan, Google Maps API dapat memudahkan pengembang sistem dalam merancang dan mengimplementasikan sebuah media informasi. [1]
K-Means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok,
hasil dari metode K-Means adalah hasil dari analisa data yang sudah dikelompokkan atau diolah datanya, berbeda dengan prediksi, prediksi sama saja dengan ramalan atau perkiraan, sehingga kurang cocok dalam menghitung angka pasti, dalam penelitian ini K-Means dan prediksi memiliki persamaan yaitu mengolah data yang bisa berubah sewaktu-waktu karena keadaan alam yang tidak pasti, contoh lain selain pemetaan zonasi wilayah yaitu tentang segmentasi pasar dan marketing. Metode K-Means digunakan sebagai alternatif metode klaster untuk data dengan ukuran yang besar karena memiliki kecepatan yang lebih tinggi dibandingkan metode hirarki. [2] Mac Queen menyarankan bahwa penggunaan K-Means untuk menjelaskan algoritma dalam penentuan suatu objek ke dalam klaster tertentu berdasarkan rataan terdekat. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain. Tujuan dari K-Means ini yaitu mengelompokkan menjadi lima cluster agar dalam tingkatannya menjadi lebih detail antara cluster 1 sampai cluster 5. Dari semua algoritma berdasarkan pengelompokan, K-Means merupakan salah satu metode yang paling terkenal untuk menerapkan dataset ke dalam kelompok pola. [3]
Dari latar belakang yang ada maka perlu dibangun sistem informasi geografis untuk pemetaan penghasil padi khusus di Kabupaten Semarang yang masih minim informasi, dengan menggunakan metode K-Means yang lebih fleksibel dan lebih mudah ketika diimplementasikan dan dijalankan, dan dengan memanfaatkan Google Maps API agar lebih memudahkan sistem untuk diakses titik koordinatnya sehingga informasi daerah Kabupaten Semarang tidak salah akses atau bisa tepat sasaran.
2. Tinjauan Pustaka
Penelitian dengan judul Sistem Informasi Geografis Berbasis Web Untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means, bertujuan membangun sistem informasi geografis berbasis web untuk pemetaan sebaran alumni dengan menggunakan metode K-Means digunakannya teknologi SIG berbasis web untuk menampilkan visualisasi data hasil proses klastering pemetaan sebaran alumni Polines ke dalam peta digital. Peta digital yang digunakan adalah peta digital Google Maps. [1] Inovasi yang dilakukan yaitu menampilkan informasi dalam marker per-daerah sehingga terlihat jelas pencakupan daerah yang ditandai. Penelitian ini juga bertujuan untuk membangun sistem informasi geografis dengan data yang berisi letak daerah berpotensi penghasil padi dan tempat yang bagus untuk pengembangan tanaman padi, segingga informasi dapat bermanfaat terhadap para petani untuk mengetahui daerah mana saja yang cocok untuk pengembangan tanaman padi.
Sistem Informasi Geografis Komoditas dan Luas Lahan Pertanian Berbasis Android Di Kabupaten Magelang membahas tentang lahan pertanian yang mencukupi kebutuhan masyarakat sehari-hari, sedangkan untuk masyarakat sendiri jika ingin mengetahui tentang hasil pertanian harus datang ke Dinas Pertanian langsung. Manfaat dari penelitian tersebut yaitu untuk membuat sistem informasi hasil lahan berbasis
Geografis, sehingga masyarakat lebih mudah untuk mendapatkan informasi pertanian yang disampaikan melalui mobile device. Tetapi masyarakat harus menginstal aplikasi tersebut dalam handphone masing-masing jika ingin menggunakannya, berbeda dengan penelitian yang dikembangkan ini, untuk mengaksesnya cukup menggunakan web browser dan lebih mudah diakses. Tujuan membuat sistem yang mudah digunakan oleh masyarakat luas, sehingga informasi kepada masyarakat akan lebih mudah disampaikan dan diterima secara baik. [4]
Penelitian dengan judul Pemetaan Produksi Padi Menggunakan Sistem Informasi di Desa Cibarengkok, Cianjur. Tujuan penelitian ini hampir sama yaitu untuk membentuk peta sebaran produktivitas padi di lokasi penelitian yang berguna untuk analisa atau pengaruh produktivitas padi berdasarkan morfologi daerah yang beragam, seperti ketinggian tempat, luas wilayah, dan curah hujan. Hasil yang dikeluarkan yaitu berupa pemetaan dengan google earth, berbeda dengan yang sedang dilakukan penelitian di Kabupaten Semarang ini yaitu membangun sistem informasi geografis dengan Google Maps API berbasis website untuk mempermudah akses dimana saja. [5]
Penelitian dengan judul Implementasi Algoritma K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang bertujuan untuk pengelompokan data dan untuk mengetahui wilayah dengan produktivitas yang kurang dari target, sesuai target, dan lebih dari target. Penelitian ini menggunakan implementasi algoritma K-Means dengan pengembangan perangkat lunak SDLC dengan model waterfall pada pemrograman berbasis web. Penelitian ini hanya bertujuan untuk pengelompokan data dan mengetahui wilayah penghasil padi dengan target tertentu, berbeda dengan sistem yang dibangun oleh penelitian ini, yaitu dicantumkan pengaruh hasil panen baik atau buruk, mengetahui daerah mana saja yang bagus untuk menanam tanaman padi dan membangun sistem informasi geografis berbasis website. [9]
Berdasarkan penelitian yang pernah dilakukan terkait Sistem informasi geografis pemetaan pemetaan lahan padi, maka akan dilakukan penelitian yang membahas tentang “Pemetaan Lahan Padi di Kabupaten Semarang Menggunakan Google Maps API Dengan Metode K-Means”. Sehingga dari penelitian ini diharapkan dapat membantu mengetahui produktivitas yang bagus berdasarkan morfologi yang beragam di Kabupaten Semarang dengan menggunakan aplikasi sistem informasi geografis berbasis web.
API atau Application Programming Interface merupakan suatu dokumentasi yang terdiri dari interface, fungsi, kelas, struktur dan sebagainya untuk membangun sebuah perangkat lunak. Dengan adanya API ini, maka memudahkan programmer untuk “membongkar” suatu software untuk kemudian dapat dikembangkan atau diintegrasikan dengan perangkat lunak yang lain. API dapat dikatakan sebagai penghubung suatu aplikasi dengan aplikasi lainnya yang memungkinkan programmer menggunakan sistem function. Proses ini dikelola melalui operating system. Keunggulan dari API ini adalah memungkinkan suatu aplikasi dengan aplikasi lainnya dapat saling berhubungan dan berinteraksi. [10]
K-Means merupakan salah satu metode clustering/pengelompokan non hierarki. Teknik clustering/pengelompokan datanya sederhana dan cepat. Clustering merupakan sebuah teknik dalam data mining yang berfungsi untuk mengelompokan data (grouping) berdasarkan kemiripanya ke dalam cluster. Setiap klaster memiliki sekumpulan data yang mirip dengan data lain dalam satu klaster, tetapi tidak mirip dengan data pada klaster lainya. Ada beberapa algoritma yang dapat digunakan, salah satu yang popular digunakan untuk klasterisasi suatu dataset adalah K-Means. [2]
Gambar 1 Flowchart K-Means
Pada Gambar 1 Flowchart K-Means merupakan proses clustering dengan melakukan input data dan tiga proses, pertama adalah proses menghitung centroid, kemudian proses kedua menghitung data yang akan dikelompokkan dengan rumus Euclidean, kemudian proses ketiga adalah mengelompokkan data berdasarkan jarak terdekat. Dan kita akan membuat perulangan apabila posisi centroid berubah secara menerus, proses ini akan berhenti jika centroid yang dicari adalah hasilnya tetap atau tidak berubah.
3. Metode dan Perancangan Sistem
Dalam penelitian ini cluster akan dibagi menjadi lima cluster dengan mengolah data seperti luas daerah panen, produksi padi, curah hujan, dan ketinggian tempat.
Empat data tersebut sangatlah penting dalam proses penanaman dan budidaya tanaman padi.
Tahapan penelitian yang akan digunakan dalam penerapan implementasi Pemetaan Lahan Padi di Kabupaten Semarang Menggunakan Google Maps API dengan Metode K-Means menggunakan konsep waterfall yaitu dengan melalui lima tahap yang berkesinambungan membentuk suatu siklus daur hidup. Pada Gambar 2 ini ditunjukkan konsep model waterfall.
Gambar 2 Tahapan Penelitian Menggunakan Waterfall
Tahap-tahap Pada Gambar 2 dijelaskan sebagai berikut: Requirements definition: yaitu dengan menentukan kebutuhan sistem secara keseluruhan, antara lain dengan menentukan komponen-komponen yang akan diolah, seperti data luas panen, produksi, curah hujan dan ketinggian tempat. Hubungan antara komponen, secara umum Entity dibedakan atas data yang akan dikelola, algoritma dan interface. Sistem dan Software Design: Desain sistem merupakan tahap penyusunan proses, data, dan tampilan, didalam tampilan pengguna atau masyarakat dapat melihat semua informasi yang ada per-daerah ataupun cluster. Tahap ini, penulis menentukan dan membuat desain sistem dan aliran proses dari sistem yang akan dirancang atau tampilan sistem yang telah dibuat. Implementation and unit testing: mengimplementasikan rancangan atau desain dengan menuliskan kode program sesuai bahasa pemrograman yang dipilih beserta fungsi-fungsinya agar semua fungsi yang ditampilkan terhubung sesuai yang diinginkan seperti dalam sistem saat ini. Operation and Maintenance: menjalankan
aplikasi dan memperbaiki jika ada perubahan data atau kebutuhan yang diperlukan seputar aplikasi pemetaan lahan padi ini.
Diagram alur data dan informasi perancangan sistem informasi geografis lahan padi di Kabupaten Semarang menggunakan Google Maps API dengan Metode K-Means. Terdiri dari beberapa diagram, Use case diagram, Activity diagram, dan Class diagram.
Gambar 3 Use Case Diagram
Pada Gambar 3 adalah interaksi atau dialog antara sistem dan aktor, termasuk pertukaran pesan dan tindakan yang dilakukan oleh sistem atau disebut juga Use case diagram, Use case ini terdiri dari dua aktor, yaitu Admin dan User. Admin adalah pengelola dari sistem informasi geografis, sedangkan Pengunjung adalah masyarakat umum selaku pengguna sistem. Admin berperan dalam pengolahan data tempat, data galeri, dan data password, sebelum melakukan manipulasi data atau mengolah data, admin terlebih dahulu melakukan login, agar bisa melakukan mengolah data tempat, galeri, dan password. Manipulasi data SIG disini terdiri dari input data tempat/galeri,edit data tempat/galeri, delete data tempat/galeri, dan view data tempat/galeri. Sementara User dalam hal ini adalah masyarakat pengguna sistem berinteraksi dengan sistem melalui informasi dalam website.
Gambar 4 Activity Diagram Mengolah Data
Pada Gambar 4 menggambarkan aktivitas yang dilakukan admin dalam tugasnya yaitu mengelola website. Admin akan login ke sistem, dimana admin harus memasukkan username dan password yang sudah terdaftar ke sistem tersebut. Dalam pengolahan sistem, admin dapat melakukan input, edit, delete dan view data tempat, galeri dan password. Hasil input dan edit akan tampil pada sistem, dan data pada database akan ubah ataupun bertambah.
Pada Gambar 5 adalah class diagram menggambarkan struktur dan deskripsi class serta hubungannya antara class lainnya. dengan beberapa class beserta relasinya lengkap dengan atributnya. Satu user dengan atribut id_user, User dan password, dapat mengolah data banyak data tempat dan data galeri. Satu data galeri berelasi dengan satu data tempat. Data galeri dan data tempat, user dapat melakukan aksi edit, delete, insert pada setiap masing-masing data.
K-Means adalah salah satu algoritma clustering atau pengelompokan data yang bersifat Unsupervised Learning, yang berarti masukan dari algoritma ini menerima data tanpa label kelas. Fungsi dari algoritma ini adalah mengelompokkan data kedalam beberapa cluster. Karakteristik dari algoritma ini adalah :
1. Memiliki beberapa buah data yang akan dikelompokkan 2. Input berupa jumlah data dan jumlah cluster (kelompok)
3. Pada setiap cluster atau kelompok memiliki sebuah centroid yang mempresentasikan cluster tersebut.
Secara sederhana algoritma K-Means dimulai dari tahap berikut : 1. Pilih cluster titik centroid.
2. Menghitung jarak data dengan centroid. 3. Update nilai titik centroid.
4. Ulangi langkah 2 dan 3 sampai nilai dari titik centroid tidak lagi berubah. Rumus Algoritma K-Means
Ci = 1 𝑀∑ 𝑥𝑗
𝑀
𝑗=1
Keterangan:
𝐶𝑖 = pusat kelompok centroid 𝑀 = Jumlah data sebuah kelompok 𝑗 = Kelompok data pada ke-j 𝑋𝑗 = nilai kelompok data ke-j persamaan 1 dilakukan sebanyak p dimensi dari i=1 sampai dengan i=p.
𝑑 = √(𝑥1− 𝑥2)2+ (𝑦1− 𝑦2)2 Keterangan :
𝑑 = jarak pada ruang / Euclidean
𝑥1 = nilai dari obyek x ke 1 𝑥2 = nilai dari obyek x ke 2 𝑦1 = nilai dari obyek y ke 1 𝑦2 = nilai dari obyek y ke 2
Pengalokasian kembali data ke dalam masing-masing kelompok dalam metode K-Means didasarkan pada perbandingan jarak antara data dengan centroid setiap kelompok yang ada. Data dialokasikan ulang secara tegas ke kelompok yang mempunyai centroid dengan jarak terdekat dari data tersebut. [9]
4. Hasil dan Pembahasan
Sistem informasi geografis yang dibangun berbasis web, dimana terdapat admin yang bertugas mengelola website dan user sebagai masyarakat pengunjung yang bisa melihat data-data yang ada. Pertama kali mengakses url website SIG ini, website akan menampilkan halaman home. Dan ada tiga menu dalam website tersebut yaitu home, peta, dan login. Berikut gambar-gambar tampilan dan fungsi dalam website tersebut.
Gambar 6 Tampilan Halaman Utama Sistem Informasi Geografi Lahan padi
Pada Gambar 6 menampilkan halaman home dan terdapat penjelasan tentang Sistem Informasi Geografis.
Gambar 7 Tampilan Menu Tempat
Pada Gambar 7 adalah halaman tempat, dimana data dan informasi terdapat didalam menu tersebut, menu yang ditampilkan per-daerah ada bagan cluster, keterangan tempat daerah, jenis cluster dan tampilan galeri jika ada. Pengunjung web
hanya dapat melihat data tersebut tanpa login, login hanya untuk admin yang bertugas mengelola web dan data website.
Gambar 8 Tampilan Data Tempat Setelah Login Admin
Pada Gambar 8 terdapat menu menu yang yang tampil pada web sistem informasi geografis setelah melakukan login, dalam menu ini admin dapat melakukan kelola data, seperti input, edit/update, maupun delete data tempat maupun galeri.
Pada Gambar 9 merupakan menu tambah tempat, yaitu untuk input data dari jenis cluster, nama tempat, gambar (galeri), lokasi, dan titik koordinat. Dalam titik koordinat kita bisa menambahkan dengan cara memasukan titik koordinat pada label latitude dan longitude atau juga bisa drag simbol lokasi ke tempat yang kita tuju.
Gambar 10 Tampilan Data Isi Tempat
Pada Gambar 10 terdapat informasi data yang ada pada daerah-daerah yang dipilih (Hasil penambahan data tempat dan data galeri).
Untuk menghitung atribut yang dipakai seperti luas panen, produksi, ketinggian tempat, dan curah hujan lebih mudah dan lebih efisien dengan cara pengelompokan data, dengan data yang berupa angka akan lebih mudah pengelompokannya dan proses penghitungan algoritmannya.
Untuk menghitung K-Means tentukan lima pusat awal cluster secara acak untuk menghitung jarak pusat cluster. Hitung C1-C5 menggunakan rumus =SQRT pada excel, setelah terhitung semua tentukan pada jarak terpendek yang ada pada C1-C5. Jarak terpendek akan dijadikan pusat awal cluster selanjutnya, yaitu dengan cara daerah yang termasuk dalam C1 akan dijumlahkan dan dibagi berapa jumlah daerah tersebut, hasil dari perhitungan ini akan digunakan untuk menghitung cluster lagi seperti tahap awal, begitu juga perhitungan C2-C5. Proses iterasi ini akan terus diulangi sampai hasil akhirnya tidak berubah dengan hasil sebelumnya. Dalam iterasi ini terjadi 3 tahapan iterasi sampai ditemukan hasil yang valid.
Pada Tabel 1 ditampilkan Data K-Means yang akan diolah dalam clustering. Data ini didapat dari hasil survey Dinas Pertanian, Perikanan dan Pangan Kabupaten Semarang yang merupakan bagian dari Badan Pusat Statistik Kabupaten Semarang.
Tabel 1 Data K-Means
NO Kecamatan Luas Panen (Ha) Produksi (Ton) Ketinggian Tempat Curah Hujan
1 Getasan 15 75,82 1450 4067 2 Tengaran 1270 7259,83 729 2924 3 Susukan 4321 27371,83 205 3572 4 Kaliwungu 2493 15198,21 353 2572 5 Suruh 5883 33609,21 175 2741 6 Pabelan 4570 24504,54 192 2158 7 Tuntang 2450 15272,05 405 3082 8 Banyubiru 2095 11882,11 478 1964 9 Jambu 774 4045,7 572 2801 10 Sumowono 610 3524,82 900 3279 11 Ambarawa 1602 8723,71 514 2346 12 Bandungan 1207 6351,73 915 2142 13 Bawen 1953 11142,07 650 2142 14 Bringin 3701 20409,67 357 1387 15 Bancak 2012 10564,24 325 2586 16 Pringapus 2180 13425,09 400 3486 17 Bergas 1529 8376,42 400 4599 18 Ungaran Barat 1652 8733,63 318 3454 19 Ungaran Timur 1322 7049,65 318 3454
Pada Tabel 2 merupakan hasil dari perhitungan K-Means dengan lima centroid/cluster. Dalam perhitungan dilakukan tiga kali iterasi, sehingga ditemukan hasil yang sama seperti pada tabel 2.
Tabel 2 Hasil Data K-Means
No c1 c2 c3 c4 c5 Terpendek Jarak C1 C2 C3 C4 C5 1 28894,59 16323,69199 0 5828,594 10113,79 0 1 2 21554,51 8944,245687 7416,961 1630,829 2713,581 1630,829 1 3 1478,704 11450,43662 27666,02 21987,3 17664,58 1478,704 1 4 13520,82 905,8505103 15435,85 9674,282 5346,739 905,8505 1 5 5203,715 17819,96885 34092,6 28384,91 24055,14 5203,715 1 6 4061,307 8646,953144 24954,7 19207,86 14878,17 4061,307 1 7 13456,9 956,9199585 15456,94 9734,348 5411,911 956,92 1 8 16876,7 4291,842717 12209,93 6400,195 2186,376 2186,376 1 9 24802,25 12187,40615 4325,467 1630,45 5949,9 1630,45 1 10 25354,42 12752,34765 3629,472 2203,905 6520,227 2203,905 1 11 20057,03 7441,685266 9007,914 3185,778 1300,535 1300,535 1 12 22475,39 9866,144465 6693,262 1088,1 3700,59 1088,1 1 13 17624,91 5022,611098 11426,43 5625,781 1447,406 1447,406 1 14 8304,5 4617,183794 20866,94 15083,55 10775,26 4617,184 1 15 18168,03 5555,981235 10837,62 5037,811 749,7911 749,7911 1 16 15333,74 2834,70395 13576,83 7887,891 3598,316 2834,704 1 17 20481,48 8033,885246 8519,254 3255,312 2340,183 2340,183 1 18 20041,04 7463,567747 8904,754 3214,22 1332,867 1332,867 1 19 21755,55 9169,233308 7211,085 1572,223 2960,468 1572,223 1
Clustering data dikelompokkan menjadi lima kelompok berdasarkan data yang tersedia. Masing masing kelompok ditentukan nilai centroid yang didapatkan dari nilai minimum, nilai maximum dan nilai tengah dari data yang tersedia. Proses cluster dilakukan dengan cara memperhitungkan jarak terdekat dengan menggunakan rumus Euclidean dan hasilnya seperti pada Tabel 2, Tabel hasil data K-Means.
Proses K-Means Clustering pada iterasi sudah didapatkan sesuai dengan Tabel Data K-Means. Proses K-Means clustering akan terus melakukan iterasi hingga data hasil clustering akan sama dengan hasil iterasi sebelumnya. Proses ini dilakukan berulang ulang dengan menggunakan metode penentuan centroid hingga hasil clustering pada iterasi tersebut akan menghasilkan clustering yang persis sama dengan hasil clustering pada iterasi sebelumnya. Proses selanjutnya adalah clustering pada iterasi kedua, yang hasil cluster belum sama dengan iterasi satu. Selanjutnya dilakukan iterasi ketiga yang hasilnya masih ada perbedaan pada iterasi kedua dan begitu seterusnya hingga didapatkan hasil yang sama dengan iterasi sebelumnya.
Pada Tabel 3 merupakan hasil dari pengelompokan data K-Means dengan lima cluster. Dalam tabel, Susukan, Suruh dan Pabelan merupakan daerah cluster 1 yaitu daerah paling bagus untuk penanaman tanaman padi dengan ciri curah hujan yang tinggi, ketinggian tempat rendah, luas panen dan produksi diatas rata-rata daerah lainnya. Kaliwungu, Tuntang, Bringin, dan Pringapus merupakan cluster 2 dengan produktivitas tinggi tetapi masih dibawah dari produktivitas cluster 1, ciri cluster 2 yaitu curah hujan juga relatif tinggi, dengan ketinggian tempat sedang. Cluster 3 hanya Getasan, dengan curah hujan yang sangat tinggi, ketinggian tempat yang setara dengan daerah pegunungan, Getasan termasuk daerah yang sedang untuk menanam padi, hanya saja daerah pegunungan keterbatasan tempat untuk menanam padi, petani lebih memilih menanam sayur-sayuran untuk meraih untung yang lebih tinggi. Cluster 4 yaitu Tengaran, Jambu, Sumowono, Bandungan, Ungaran Timur, dengan ciri curah hujan relatif tinggi, ketinggian tempat juga tinggi, tetapi luas panen lebih rendah dan produksi masih relatif kecil. Cluster 5 yaitu Banyubiru, Ambarawa, Bawen, Bancak, Bergas, Ungaran Barat. Ciri dari cluster 5 yaitu curah hujan dan ketinggian tempat tidak begitu tinggi, dan luas panen produksi relatif rendah juga, jadi dalam cluster 5 kurang cocok untuk menanam padi dibanding dengan kecamatan di Kabupaten Semarang yang lain. Tetapi Kabupaten Semarang merupakan daerah penghasil padi yang cukup bagus produktivitasnya dibanding daerah-daerah lain.
Tabel 3 Hasil Pengelompokan Data K-Means NO Kecamatan Luas Panen
(Ha) Produksi (Ton) Ketinggian Tempat (m) Curah Hujan (mm) Klaster 1 Susukan 4321 27371,83 205 3572 1 2 Suruh 5883 33609,21 175 2741 1 3 Pabelan 4570 24504,54 192 2158 1 4 Kaliwungu 2493 15198,21 353 2572 2 5 Tuntang 2450 15272,05 405 3082 2 6 Bringin 3701 20409,67 357 1387 2 7 Pringapus 2180 13425,09 400 3486 2 8 Getasan 15 75,82 1450 4067 3 9 Tengaran 1270 7259,83 729 2924 4 10 Jambu 774 4045,7 572 2801 4 11 Sumowono 610 3524,82 900 3279 4 12 Bandungan 1207 6351,73 915 2142 4 13 Ungaran Timur 1322 7049,65 318 3454 4 14 Banyubiru 2095 11882,11 478 1964 5 15 Ambarawa 1602 8723,71 514 2346 5 16 Bawen 1953 11142,07 650 2142 5 17 Bancak 2012 10564,24 325 2586 5 18 Bergas 1529 8376,42 400 4599 5 19 Ungaran Barat 1652 8733,63 318 3454 5
Kode Program 1 Menampilakan Peta
1. <script src="https://maps.googleapis.com/maps/api/js"></script> 2. <script>
3. var default_lat = <?=get_option('default_lat')?>; 4. var default_lng = <?=get_option('default_lng')?>; 5. var default_zoom = <?=get_option('default_zoom')?>;
6. </script>
Kode Program 1 merupakan fungsi untuk menampilkan peta dan melakukan perubahan, serta lokasi tampilan peta yang ada nanti.Tiga properti tersebut yaitu: Latitude, Longitude, dan Zoom. Properti ini memudahkan kita menemukan lokasi yang diinginkan cepat ketemu (langsung tampil). dengan Google Maps maka akan tampil sebuah titik tepat pada koordinat yang ditentukan.
Kode Program 2 Function Lanjut
Kode Program 2 merupakan fungsi menampilkan detail maps dan fungsi zoom maps, tata letak maps, marker lengkap dengan nama tempatnya. Sedangkan navigasi geolocation akan membantu kita menampilkan maps saat pertama kali dibuka dengan pusat yang diinginkan.
Tabel 3 Hasil Pengujian Black-Box Fungsi yang di
Uji Kondisi Output yang diharapkan dihasilkan sistem Output yang Pengujian Status
Login Username dan
password benar Username dan password salah / tidak diisi Sukses Login Gagal Login Sukses Login Gagal Login Valid Valid
Tambah data Form diisi dengan benar Sukses Tambah data Sukses Tambah data Valid Edit data Form diisi dengan benar Sukses Edit data Sukses Edit data Valid
Hapus data data klik button Pilih salah satu hapus
Sukses Hapus
data Sukses Hapus data Valid
Edit data Form diisi dengan benar Sukses Edit Sukses Edit Valid
Menampilkan peta Klik button Tempat Menampilkan Peta Menampilkan Peta Valid
Menampilkan
K-Means Klik icon Lokasi
Menampilkan perhitungan K-Means Menampilkan perhitungan K-Means Valid
Berdasarkan pengujian black-box yang dilakukan pada aplikasi, sistem perizinan ini dapat dilihat dari setiap pengujiannya yaitu valid, maka dapat disimpulkan bahwa aplikasi ini berjalan dengan baik dan sesuai dengan yang diharapkan.
1. function tampilDetail(){ 2. map_detail=new google.maps.Map(document.getElementById('map'), { 3. zoom: default_zoom, 4. center: dst_pos 5. });
6. addMarker(dst_pos, map_detail, '<?=$row->nama_tempat?>'); 7. infoWindow = new google.maps.InfoWindow;
8. if (navigator.geolocation) {
navigator.geolocation.getCurrentPosition(function(position) { 9. var pos = {
10. lat: position.coords.latitude, 11. lng: position.coords.longitude }; }
5. Simpulan
Berdasarkan penelitian yang dilakukpenan, maka dapat disimpulkan bahwa perancangan Pemetaan aplikasi Pemetaan Lahan Padi di Kabupaten Semarang Menggunakan Google Maps API dengan Metode K-Means dapat memberikan cara informasi yang lebih detail bagi masyarakat untuk mengetahui daerah C1 adalah Susukan, Suruh dan Pabelan. C2 Kaliwungu, Tuntang, Bringin, dan Pringapus. C3 Getasan. C4 Tengaran, Jambu, Sumowono, Bandungan, Ungaran Timur. C5 Banyubiru, Ambarawa, Bawen, Bancak, Bergas, Ungaran Barat yang merupakan daerah yang bagus untuk bercocok tanam terutama tanaman padi. Dengan adanya sistem informasi geografis yang berbasis web menggunakan bahasa pemrograman PHP berbasis Framework Codeigniter dan tampilan peta Google Maps API, akan mempermudah pengguna atau masyarakat yang menggunakan aplikasi tersebut dalam mencari informasi dan potensi daerah mana saja yang bagus untuk bercocok tanam terutama tanaman padi.
Saran sistem yang dibangun masih memiliki kekurangan dan keterbatasan, oleh sebab itu perlu dikembangkan selanjutnya agar menjadi lebih baik, yaitu memperbaiki dan penambahan fitur sehingga informasi yang disampaikan kepada pengguna atau masyarakat akan lebih lengkap, dan informasi bisa dimanfaatkan dengan baik.
Daftar Pustaka
[1] S. H. Handoko, E. Sediono, and S. Suhartono, “Sistem Informasi Geografis Berbasis Web untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means,” J. Sist. Inf. BISNIS, vol. 1, no. 2, Apr. 2016.
[2] A. C. Wakhid, “Implrmentasi Data Mining Menggunakan Algoritma K- Means Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiswa Baru IAIN Salatiga,” 2017.
[3] N. V. Waworuntu and M. F. Amin, “Penerapan Metode K-Means Untuk Pemetaan Calon Penerima JAMKESDA,” 2018.
[4] R. A. S. Pinuji, “Sistem Informasi Geografis Komoditas Dan Luas Lahan Pertanian Berbasis Android Di Kabupaten Magelang,” 2014.
[5] Reynaldi Samuel Pandapotan, “Pemetaan Produktivitas Padi Menggunakan Sistem Informasi Geografis Di Desa Cibarengkok, Cianjur,” 2018.
[6] C. Mahananto, Sutrisno, S., & Ananda, “Faktor- Faktor Yang Mempengaruhi Produksi Padi Studi Kasus di Kecamatan Nogosari, Boyolali, Jawa Tengah,” Wacana, vol. 12 No.1, no. 1, pp. 179–191, 2009.
[7] C. Setiawan, “Pembangunan Aplikasi Traveling Guide Kota Bogor Menggunakan Google Maps Api,” 2014.
[8] L. Felicia, “Penerapan Metode Clustering Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Semarang,” pp. 1–5, 2014.
[9] M. R. Ridlo, S. Defiyanti, and A. Primajaya, “Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang,” Conf. Inf. Technol. Electr. Eng., vol. 9, pp. 426–433, 2017.
[10] Y. B. Mashita Enggar Kusuma, “Aplikasi Google Maps API Dalam Pengembangan Sistem Informasi Geografis (SIG) Pariwisata Berbasis Web,” 2015.
