Pemetaan Kondisi Sosial Ekonomi Kota Batam Berbasis WebGIS Menggunakan K-Means Clustering

(1)

Pemetaan Kondisi Sosial Ekonomi Kota Batam

Berbasis WebGIS Menggunakan K-Means Clustering

TUGAS AKHIR

Oleh :

Ariyanto 3311401060

Disusun untuk memenuhi syarat kelulusan Program Diploma DIII

PROGRAM STUDI TEKNIK INFORMATIKA POLITEKNIK NEGERI BATAM

BATAM 2017

(2)

i

HALAMAN PENGESAHAN

PEMETAAN KONDISI SOSIAL EKONOMI KOTA BATAM BERBASIS WEBGIS MENGGUNAKAN K-MEANS CLUSTERING

Disusun Oleh : Ariyanto 3311401060

Diajukan dan disahkan sebagai laporan Tugas Akhir PROGRAM STUDI DIPLOMA 3 TEKNIK INFORMATIKA

POLITEKNIK NEGERI BATAM

Batam, 5 January 2017 Pembimbing,

Dwi Ely Kurniawan, S.Pd., M.Kom NIK : 112094

(3)

ii

HALAMAN PERNYATAAN

Dengan ini, saya:

NIM : 3311401060 Nama : Ariyanto

adalah mahasiswa Teknik Informatika Politeknik Batam yang menyatakan bahwa tugas akhir dengan judul:

disusun dengan:

1. tidak melakukan plagiat terhadap naskah karya orang lain 2. tidak melakukan pemalsuan data

3. tidak menggunakan karya orang lain tanpa menyebut sumber asli atau tanpa ijin pemilik

Jika kemudian terbukti terjadi pelanggaran terhadap pernyataan di atas, maka saya bersedia menerima sanksi apapun termasuk pencabutan gelar akademik.

Lembar pernyataan ini juga memberikan hak kepada Politeknik Batam untuk mempergunakan, mendistribusikan ataupun memproduksi ulang seluruh hasil tugas akhir ini.

Batam, 5 January 2017

Ariyanto

(4)

iii

ABSTRAK

Penelitian ini berjudul pemetaan kondisi sosial ekonomi Kota Batam berbasis webGIS menggunakan K-Means clustering yang dilihat dari beberapa indikator yaitu, ekonomi, pendidikan, budaya, kependudukan dan kesehatan. Penelitian ini bertujuan untuk mengetahui kondisi sosial ekonomi di setiap kecamatan yang ada di Kota Batam. Clustering merupakan sebuah metode yang dilakukan untuk mengelompokkan data. Salah satu algoritma clustering yaitu K-Means digunakan sebagai metode untuk mengelompokkan kecamatan yang ada di Kota Batam untuk mengetahui kondisi sosial ekonominya. Dari hasil pengelompokkan didapatkan 4 cluster yaitu cluster 1 terdiri dari 4 kecamatan yaitu Lubuk Baja, Batam Kota, Sagulung, Bengkong, dimana hasil clustering menunjukkan kecamatan yang ada pada cluster ini rata-rata mengalami permasalahan pada budaya, ekonomi dan kesehatan, cluster 2 terdiri dari 3 kecamatan yaitu Sei Beduk, Nongsa, Batu Ampar, dimana rata-rata mengalami permasalahan pada pendidikan dan budaya, cluster 3 terdiri dari 2 kecamatan yaitu Sekupang dan Batu Aji dimana mengalami rata-rata permasalahan pada ekonomi, cluster 4 terdiri dari 3 kecamatan yaitu Belakang Padang, Bulang, Galang, dimana rata-rata mengalami permasalahan pada pendidikan dan kesehatan.

(5)

iv

ABSTRACT

MAPPING THE ECONOMIC AND SOCIAL CONDITIONS CITY BATAM BASED WebGIS USING K-MEANS CLUSTERING

This study titled mapping socio-economic conditions of Batam-based webGIS using the K-Means clustering are seen from several indicators, namely, the economy, education, culture, population and health. This study aims to determine the socio-economic conditions in each district in the city of Batam. Clustering is a method in place to classify data. A algorithm K-Means clustering is used as a method to classify districts in the city of Batam to determine the social and economic condition. From the results of the grouping obtained four clusters, namely cluster 1 consists of four districts, namely Lubuk Baja, Batam Kota, Sagulung, Bengkong, where the clustering results indicate districts in this cluster average had problems with cultural, economic and health, cluster 2 is composed of 3 districts, namely Sei Beduk, Nongsa, Batu Ampar, where the average experienced problems in education and culture, cluster 3 is composed of two districts, namely Sekupang and Batu Aji in which experienced an average of the problems in the economy, cluster 4 consists of three districts, namely Belakang Padang, Bulang, Galang, where the average experienced problems in education and health.

(6)

v

DAFTAR ISI

HALAMAN PENGESAHAN ...i

HALAMAN PERNYATAAN ... ii

ABSTRAK ... iii

ABSTRACT ... iv

DAFTAR ISI ...v

DAFTAR GAMBAR ... ix

DAFTAR TABEL... xii

BAB I PENDAHULUAN... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Batasan Masalah... 2 1.4 Tujuan Penelitian ... 3 1.5 Manfaat Penelitian... 3 1.6 Tinjauan Pustaka... 3 1.7 Sistematika Penulisan ... 5

BAB II LANDASAN TEORI ... 6

2.1 Kondisi Sosial Ekonomi ... 6

2.2 Sistem Informasi Geografis ... 8

2.3 Web GIS... 9 2.4 Clustering ... 10 2.5 Algoritma K-Means ... 11 2.6 Lingkungan Pengembang ... 12 2.6.1 Weka ... 12 2.6.2 PHP ... 12 2.6.3 Mysql ... 13

2.6.4 Quantum GIS (QGIS)... 14

2.6.5 ArcGIS Online... 15

BAB III ANALISIS DAN PERANCANGAN ... 16

3.1 Deskripsi Umum Sistem ... 16

(7)

vi

3.2.1 Analisis kebutuhan hardware... 16

3.2.2 Analisis kebutuhan software ... 17

3.3 Kebutuhan Fungsional dan Non Fungsional... 17

3.3.1 Kebutuhan fungsional sistem ... 17

3.3.1 Kebutuhan non fungsional sistem ... 17

3.4 Use Case Diagram ... 18

3.5 Skenario Use Case ... 19

3.6 Activity Diagram... 22

3.6.1 Activitydiagram login ... 22

3.6.2 Activitydiagram mengubah data cluster ... 23

3.6.3 Activitydiagram mengubah link peta ... 24

3.6.4 Activitydiagram mengubah data hasil clustering ... 25

3.6.5 Activitydiagram menambah data pemetaan kondisi sosial ekonomi 26 3.6.6 Activity diagram menampilkan hasil normalisasi min-max... 27

3.6.7 Activitydiagram menampilkan pie-chart dari data cluster ... 27

3.6.8 Activitydiagram menampilkan peta kondisi sosial ekonomi ... 28

3.6.9 Activitydiagram menampilkan data cluster ... 29

3.6.10 Activitydiagram menampilkan data hasil clustering... 30

3.7 Sequence Diagram ... 31

3.7.1 Sequencediagram login ... 31

3.7.2 Sequencediagram mengubah data cluster ... 31

3.7.3 Sequencediagram mengubah link peta ... 32

3.7.4 Sequencediagram mengubah data hasil clustering... 32

3.7.5 Sequence diagram menambah data pemetaan kondisi sosial ekonomi ………..33

3.7.6 Sequencediagram menampilkan hasil normalisasi min-max ... 34

3.7.7 Sequencediagram menampilkan pie-chart dari data cluster... 35

(8)

vii

3.7.9 Sequence diagram menampilkan data cluster ... 36

3.7.10 Sequencediagram menampilkan data hasil clustering ... 37

3.8 Class Diagram ... 37 3.9 Perancangan Antarmuka ... 38 3.10 Pengumpulan Data ... 45 3.11 Pengolahan Data ... 48 3.11.1 Pemilihan data... 48 3.11.2 Pre-Processing ... 50

3.11.3 Clustering dengan menggunakan metode K-Means ... 53

3.11.4 Mengolah data agar menjadi peta online ... 59

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 63

4.1 Implementasi... 63

4.1.1 Implementasi Login (Admin)... 63

4.1.2 Implementasi mengubah data cluster ... 64

4.1.3 Implementasi mengubah link peta... 64

4.1.4 Implementasi mengubah data hasil clustering ... 65

4.1.5 Implementasi menambah data pemetaan kondisi sosial ekonomi ... 66

4.1.6 Implementasi menampilkan hasil normalisasi min-max ... 66

4.1.7 Implementasi menampilkan pie-chart dari data cluster ... 67

4.1.8 Implementasi menampilkan peta kondisi sosial ekonomi ... 67

4.1.9 Implementasi menampilkan data cluster... 68

4.1.10 Implementasi menampilkan data hasil clustering ... 68

4.2 Implementasi Antarmuka ... 69

4.2.1 Implementasi Antarmuka Login ... 69

4.2.2 Implementasi Antarmuka Peta ... 70

4.2.3 Implementasi Antarmuka Data Cluster ... 71

4.2.4 Implementasi Antarmuka Tambah Data ... 72

4.2.5 Implementasi Antarmuka Normalisasi ... 73

(9)

viii

4.2.7 Implementasi Antarmuka Visualisasi ... 75

4.3 Pengujian ... 76

4.4 Evaluasi Hasil Pengujian ... 79

BAB IV KESIMPULAN DAN SARAN ... 80

5.1 Kesimpulan... 80

5.2 Saran... 80

DAFTAR PUSTAKA... 81

LAMPIRAN... 82

(10)

ix

DAFTAR GAMBAR

Gambar 2. 1 Mind Mapping Kondisi Sosial Ekonomi ... 6

Gambar 2. 2 Komponen utama SIG ... 8

Gambar 2. 3 Rumus Euclidian Distance... 11

Gambar 3. 1. Deskripsi Umum Sistem ... 16

Gambar 3. 2 Use case diagram ... 18

Gambar 3. 3 Activitydiagram login... 22

Gambar 3. 4 Activity diagram mengubah data cluster ... 23

Gambar 3. 5 Activity diagram mengubah link peta... 24

Gambar 3. 6 Activitydiagram mengubah data hasil clustering ... 25

Gambar 3. 7 Activitydiagram menambah data pemetaan kondisi sosial ekonomi .... 26

Gambar 3. 8 Activity diagram menampilkan hasil normalisasi min-max ... 27

Gambar 3. 9 Activitydiagram menampilkan pie-chart dari data cluster ... 27

Gambar 3. 10 Activitydiagram menampilkan peta kondisi sosial ekonomi ... 28

Gambar 3. 11 Activitydiagram melihat data cluster ... 29

Gambar 3. 12 Activitydiagram menampilkan data hasil clustering ... 30

Gambar 3. 13 Sequencediagram login ... 31

Gambar 3. 14 Sequence diagram mengubah data cluster... 32

Gambar 3. 15 Sequencediagram mengubah link peta ... 32

Gambar 3. 16 Sequencediagram mengubah data hasil clustering ... 33

Gambar 3. 17 Sequencediagram menambah data pemetaan kondisi sosial ekonomi 33 Gambar 3. 18 Sequencediagram menampilkan hasil normalisasi min-max ... 34

Gambar 3. 19 Sequencediagram menampilkan pie-chart dari data cluster ... 35

Gambar 3. 20 Sequence diagram menampilkan peta kondisi sosial ekonomi ... 36

Gambar 3. 21 Sequence diagram menampilkan data cluster ... 36

Gambar 3. 22 Sequence diagram menampilkan data hasil clustering ... 37

(11)

x

Gambar 3. 24 Perancangan antarmuka login... 38

Gambar 3. 25 Perancangan antarmuka peta ... 39

Gambar 3. 26 Perancangan antarmuka data cluster ... 40

Gambar 3. 27 Implementasi antarmuka tambah data... 41

Gambar 3. 28 Perancangan antarmuka normalisasi ... 42

Gambar 3. 29 Perancangan antarmuka hasil clustering ... 43

Gambar 3. 30 Perancangan antarmuka visualisasi ... 44

Gambar 3. 31 Rumus normalisasi min-max ... 52

Gambar 3. 32 Flowchart Proses Clustering ... 53

Gambar 3. 33 Proses memilih file excel data kondisi sosial ekonomi... 54

Gambar 3. 34 Proses memilih algoritma Simple K-Means ... 54

Gambar 3. 35 Proses mengganti numclusters ... 55

Gambar 3. 36 Proses clustering ... 55

Gambar 3. 37 Proses untuk melihat visualisasi hasil clustering... 56

Gambar 3. 38 Proses menyimpan hasil clustering ... 56

Gambar 3. 39 Proses untuk melihat isi file ... 57

Gambar 3. 40 Flowchart proses pengolahan menjadi WebGIS ... 59

Gambar 3. 41 Membuka data raster ... 60

Gambar 3. 42 Membuat shapefile baru ... 61

Gambar 3. 43 Proses digitasi Kota Batam... 61

Gambar 3. 44 Hasil dari proses digitasi ... 62

Gambar 4. 1 Implementasi Login (Admin) ... 63

Gambar 4. 2 Implementasi mengubah data cluster ... 64

Gambar 4. 3 Implementasi mengubah link peta ... 65

Gambar 4. 4 Implementasi mengubah data hasil clustering... 65

Gambar 4. 5 Implementasi menambah data pemetaan kondisi sosial ekonomi... 66

Gambar 4. 6 Implementasi menampilkan hasil normalisasi min-max ... 67

(12)

xi

Gambar 4. 8 Implementasi menampilkan peta kondisi sosial ekonomi... 67

Gambar 4. 9 Implementasi menampilkan data cluster ... 68

Gambar 4. 10 Implementasi menampilkan data hasil clustering ... 68

Gambar 4. 11 Implementasi antarmuka login ... 69

Gambar 4. 12 Implementasi antarmuka peta... 70

Gambar 4. 13 Implementasi antarmuka data cluster ... 71

Gambar 4. 14 Implementasi antarmuka data cluster ... 72

Gambar 4. 15 Implementasi antarmuka normalisasi... 73

Gambar 4. 16 Implementasi antarmuka hasil clustering... 74

(13)

xii

DAFTAR TABEL

Tabel 1. 1 Perbandingan penelitian ... 3

Tabel 3. 1 Spesifikasi minimum komputer... 16

Tabel 3. 2 Spesifikasi kebutuhan software ... 17

Tabel 3. 3 Skenario use case login ... 19

Tabel 3. 4 Skenario use case mengubah data cluster... 19

Tabel 3. 5 Skenario use case mengubah link peta ... 19

Tabel 3. 6 Skenario use case mengubah data hasil clustering ... 20

Tabel 3. 7 Skenario use case menambah data pemetaan kondisi sosial ekonomi ... 20

Tabel 3. 8 Skenario use case menampilkan hasil normalisasi min-max ... 20

Tabel 3. 9 Skenario use case menampilkan pie-chart dari data cluster ... 20

Tabel 3. 10 Skenario use case menampilkan peta kondisi sosial ekonomi ... 21

Tabel 3. 11 Skenario use case menampilkan data cluster ... 21

Tabel 3. 12 Skenario use case menampilkan hasil clustering ... 21

Tabel 3. 13 Tabel antarmuka login ... 38

Tabel 3. 14 Tabel antarmuka peta... 39

Tabel 3. 15 Tabel antarmuka data cluster ... 40

Tabel 3. 16 Tabel antarmuka tambah data... 41

Tabel 3. 17 Tabel antarmuka data normalisasi ... 42

Tabel 3. 18 Tabel antarmuka hasil clustering... 43

Tabel 3. 19 Tabel antarmuka visualisasi... 44

Tabel 3. 20 Data Angka partisipasi sekolah(SLTA) dan sarana sekolah (SLTA) ... 45

Tabel 3. 21 Data Jumlah penduduk, Jumlah Penduduk Pria dan Wanita ... 46

Tabel 3. 22 Data Jumlah perceraian dan anak jalanan ... 46

Tabel 3. 23 Data Jumlah lansia miskin, rumah tak layak huni, ... 47

Tabel 3. 24 Data penyandang sakit dan sarana kesehatan ... 47

(14)

xiii

Tabel 3. 26 Data Jumlah Penduduk... 48

Tabel 3. 27 Data Jumlah Perceraian ... 49

Tabel 3. 28 Data Lansia Miskin ... 49

Tabel 3. 29 Data Penyandang sakit ... 50

Tabel 3. 30 Data yang telah diintegrasikan... 51

Tabel 3. 31 Hasil Normalisasi Min-Max... 52

Tabel 3. 32 Hasil clustering dengan 4 cluster ... 57

(15)

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Kota Batam merupakan salah satu kota terbesar yang ada di Kepulauan Riau. Setiap tahunnya laju pertumbuhan penduduk di Kota Batam selalu mengalami peningkatan. Peningkatan laju pertumbuhan penduduk di Kota Batam disebabkan banyaknya penduduk dari luar yang datang ke Kota Batam untuk mencari pekerjaan. Berdasarkan data statistik daerah Kota Batam, jumlah penduduk pada tahun 2014 mengalami peningkatan di tahun 2015 sebanyak 6.659 jiwa yaitu dari 1.030.528 jiwa menjadi 1.037.187 jiwa. Peningkatan jumlah penduduk ini dapat menyebabkan berbagai permasalahan sosial seperti meningkatnya jumlah pengangguran, rumah liar, anak jalanan yang akan berdampak terhadap kondisi sosial ekonomi masyarakat Kota Batam. Kondisi sosial ekonomi merupakan suatu kedudukan yang diatur secara sosial dan menempatkan seseorang pada posisi tertentu dalam masyarakat. Kondisi sosial ekonomi masyarakat dapat dilihat melalui tiga aspek antara lain pendidikan, pekerjaan dan pendapatan. Pendidikan berperan penting dalam upaya menciptakan manusia yang berkualitas. Semakin tingggi tingkat pendidikan seseorang maka akan mempermudah untuk mendapatkan pekerjaan dengan pendapatan tinggi, begitupun sebaliknya semakin rendah tingkat pendidikan seseorang maka untuk mencari pekerjaan pun akan sulit yang akan berdampak terhadap kondisi sosial ekonominya.

Kondisi sosial ekonomi masyarakat dapat dikatakan baik apabila telah terpenuhi kebutuhan sehari-harinya baik itu kebututuhan sandang, pangan maupun papan, sebaliknya apabila salah satu dari kebutuhan itu tidak terpenuhi maka dapat dikatakan bahwa kondisi sosial ekonominya itu buruk.

Di Kota Batam sendiri permasalahan sosial tersebar di berbagai kecamatan. Untuk mengatasi hal tersebut perbaikan kondisi ekonomi masyarakat merupakan hal yang paling penting untuk dilakukan. Dalam hal ini perlu diketahui kondisi sosial ekonomi

(16)

2 masyarakat di setiap kecamatan sehingga akan memudahkan dalam mengambil sebuah keputusan baik itu pihak pemerintah,swasta dan lain sebagainya.

Salah satu cara yang bisa dilakukan yaitu dengan melakukan clustering. Clustering merupakan metode data mining yang digunakan untuk mengelompokkan objek yang memiliki tingkat kemiripan yang tinggi dalam satu cluster, dimana setiap cluster memiliki tingkat perbedaan yang tinggi dengan cluster lainnya. Algoritma clustering yang akan dipakai yaitu K-Means clustering.

Clustering kemudian digunakan untuk pengelompokan di masing-masing kecamatan. Dari hasil clustering dapat dilihat karakteristik dari masing-masing kecamatan sehingga dapat diidentifikasi kondisi sosial ekonominya. Selanjutnya informasi yang didapatkan akan diolah menggunakan GIS (Geographical Information System).

1.2 Rumusan Masalah

Adapun rumusan masalah dalam penelitian ini adalah :

1. Bagaimana menerapkan clustering untuk melakukan pengelompokkan terhadap kondisi sosial ekonomi masyarakat Kota Batam ?

2. Bagaimana mengetahui pemetaan kondisi sosial ekonomi masyarakat Kota Batam dari setiap kecamatannya menggunakan GIS ?

3. Bagaimana menyajikan informasi hasil klustering menggunakan WebGIS dengan memanfaatkan ArcGIS Online?

1.3 Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah :

1. Data diambil dari survey lapangan dimana data yang tersedia hanya berdasarkan kecamatan.

(17)

3

1.4 Tujuan Penelitian

Berdasarkan dari rumusan masalah, adapun tujuan yang ingin dicapai dalam penelitian ini adalah :

1. Membuat clustering untuk mengelompokkan kondisi sosial ekonomi Kota Batam.

2. Melakukan pemetaan kondisi sosial ekonomi Kota Batam menggunakan GIS.

3. Menyajikan informasi hasil clustering menggunakan WebGIS dengan

memanfaatkan ArcGIS Online.

1.5 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah :

1. Bagi pemerintah dan CSR dapat memudahkan dalam melihat kondisi sosial ekonomi masyarakat Kota Batam.

2. Bagi peneliti dan pembaca selanjutnya dapat mengimplementasikan klustering dari kondisi sosial ekonomi masyarakat Kota Batam.

1.6 Tinjauan Pustaka

Tabel 1. 1 Perbandingan penelitian

Penulis Rizma Muti Setyandri An Ni’Mah

Edmira Rivani Ariyanto

Judul Penelitian

Sistem Informasi Geografis Visualisasi Clustering Penyakit ISPA Di Kecamatan Kaliwungu Aplikasi K-Means Cluster Untuk Pengelompokkan Provinsi Berdasarkan Produksi Padi, Jagung, Kedelai, Dan Kacang Hijau Tahun 2009

Pemetaan Kondisi Sosial Ekonomi Batam Berbasis WebGIS mengunnakan Algoritma K-Means Clustering

(18)

4 Domain Universitas Padjadjaran Universitas Dian

Nuswantoro Semarang

Politeknik Negeri Batam

Deskripsi Pada penelitian ini menggunakan metode clustering K-Means untuk penyakit ISPA, kemudian hasil clustering akan menggunakan GIS kemudian ditampilkan di website

Pada penelitian ini menggunakan metode clustering yaitu K-Means untuk mengelompokkan provinsi berdasarkan jumlah produksi padi, jagung, kedelai, dan kacang hijau.

Pada penelitian ini menggunakan metode clustering yaitu K-Means untuk dilakukan pengelompokkan, kemudian hasil clustering akan diolah di GIS kemudian ditampilkan pada website.

Tujuan -Membuat clustering untuk menyediakan informasi mengenai pola penyebaran ISPA guna memudahkan masyarakat

- Membuat Sistem Informasi Geografis(GIS) penyakit ISPA yang memudahkan masyarakat untuk mengenal ISPA dan lokasi yang berpotensi ISPA - Mampu mendukung pemberantasan P2 dari Dinas Kesehatan dan membentuk masyarakat tanggap lingkungan - Mengetahui pengelompokan 33 provinsi berdasarkan produksi tanaman padi, jagung, kedelai, dan kacang hijau tahun 2009 -Mengetahui provinsi mana yang memproduksi pad, jagung, kedelai dan kacang hijau terbanyak dan sedikit tahun 2009 - Membuat clustering untuk mengelompokkan kondisi sosial Pulau Batam berdasarkan kecamatan.

- Mengetahui kondisi sosial ekonomi batam serta

-Menyajikan informasi hasil clsutering

(19)

5

1.7 Sistematika Penulisan

Bab I Pendahuluan

Pada bagian ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penulisan dan Sistematika Penulisan laporan tugas akhir.

Bab II Landasan Teori

Pada bagian ini membahas tentang teori-teori yang berhubungan dengan kondisi sosial ekonomi, Sistem Informasi Geografis, Data Mining, Web GIS, dan aplikasi yang mendukung dalam pembuatan Pemetaan Kondisi Sosial Ekonomi Batam Berbasis Web GIS.

Bab III Analisis dan Perancangan

Pada bagian ini membahas tentang deskripsi umum sistem, kebutuhan fungsional, kebutuhan nonfungsional, use case diagram, scenario use case, activity diagram,

sequence diagram,perancangan antar muka, pengumpulan data, dan pengolahan data.

Bab IV Pembahasan

Pada bagian ini membahas tentang implementasi konsep yang telah dirancang.

Bab V Kesimpulan dan Saran

Pada bagian ini membahas tentang kesimpulan dan saran penulis untuk peneliti selanjutnya.

(20)

6

BAB II

LANDASAN TEORI

2.1Kondisi Sosial Ekonomi

Menurut Soekanto (1990) kondisi sosial ekonomi adalah keadaaan atau kedudukan yang diatur secara sosial yang menempatkan seseorang dalam posisi tertentu dalam masyarakat, pemberian posisi itu disertai pula dengan seperangkat hak dan kewajiban yang harus dimainkan oleh orang yang membawa status tersebut. Kondisi sosial ekonomi dipengaruhi oleh beberapa faktor yaitu faktor ekonomi, faktor budaya, faktor, faktor pendidikan, faktor kependudukan, dan faktor kesehatan.

Kondisi Sosial Ekonomi Ekonomi Kesehatan Pendidikan Budaya Kependudukan

- Angka Partisipasi sekolah - Angka melek huruf - Sarana sekolah - Angka partisipasi kasar

- Jumlah penduduk - Jumlah penduduk pria - Jumlah penduduk wanita

- Kemisikinan - Pendapatan - Rumah - Jenis Pekerjaan - Sarana Rumah Sakit

- Penyakit menular - Physical Defect

- Kejahatan/Kriminalitas - Agama

- Adat dan Istiadat - Penyelesaian masalah

Gambar 2. 1 Mind Mapping Kondisi Sosial Ekonomi

a. Pendidikan

Kondisi pendidikan dapat dilihat dari angka partisipasi sekolah, angka melek huruf, sarana dan prasarana serta angka partisipasi kasar. Tinggi/rendahnya angka partisipasi sekolah yang ada di suatu daerah dapat menandakan kondisi pendidikan yang ada di daerah itu, begitupun dengan angka melek huruf, sarana dan prasarana serta angka partisipasi kasar.

(21)

7

b. Kependudukan

Kondisi kependudukan dapat dilihat dari berapa banyak jumlah penduduk, jumlah pria maupun wanita yang ada di suatu daerah. Jumlah penduduk yang tinggi dapat memberikan dampak positif maupun negatif. Dampak positifnya salah satunya yaitu tersedianya sumber daya manusia yang mencukupi namun apabila jumlah penduduk tidak seimbang dengan jumlah lapangan kerja yang tersedia akan mengakibatkan banyak permasalah diantaranya pengangguran, meningkatnya angka kriminalitas dan lain-lain.

c. Ekonomi

Untuk melihat kondisi ekonomi dapat dilihat dari angka kemiskinan, pendapatan, rumah, serta jenis pekerjaan. Angka kemiskinan yang tinggi dapat menandakan kondisi ekonomi yang buruk, begitu juga dengan jenis pekerjaan yang akan berpengaruh terhadap tingkat pendapatan masyarakat.

d. Budaya

Untuk melihat kondisi budaya dapat dilihat dari adat dan istiadat, tingkat kriminalitas , kerukunan antar agama dan bagaimana menyelesaikan permasalahan dalam rumah tangga.

e. Kesehatan

Menurut Tjiptoherijanto (1993) kesehatan dapat mempengaruhi pertumbuhan ekonomi melalui beberapa cara, seperti perbaikan kesehatan seseorang akan menyebabkan pertambahan dalam angka partisipasi tenaga kerja, perbaikan kesehatan dapat pula membawa perbaikan dalam tingkat pendidikan yang kemudian menyumbang terhadap pertumbuhan ekonomi, ataupun perbaikan kesehatan menyebabkan pertambahan penduduk yang akan membawa tingak partisipasi angkatan kerja. Kondisi kesehatan dapat dilihat dari sarana dan prasarana yang tersedia, jumlah penderita penyakit menular, serta jumlah penderita penyakit physical defect.

(22)

8

2.2Sistem Informasi Geografis

Menurut Burrough (1986) Sistem Informasi Geografis (SIG) atau lebih terkenal dengan istilah Geoghraphical Information System (GIS) didefinisikan sebagai suatu alat/media untuk memasukkan, menyimpan, mengambil, memanipulasi, menganalisa, dan menampilkan data-data beratribut Geografis (data geospatial) yang berguna untuk mendukung proses pengambilan keputusan dalam perencanaan dan manajemen sumber daya alam, lingkungan, transportasi, masalah perkotaan, dan administrative.

Menurut ESRI (1996), Data Spasial adalah data-data yang memiliki sistem koordinat geografis. Dengan kata lain SIG merupakan suatu media yang memiliki kemampuan spesifik untuk melakukan operasi tertentu pada data. Teknologi SIG biasanya telah terintegrasi dengan teknologi database seperti query dan analisan statistic dengan tampilan yang unik, serta analisis geografis yang menguntungkan degan peta. Kemampuan ini yang membuat SIG berbeda dengan sistem informasi lainnya, sehingga SIG menjadi barang berharga bagi masyarakat bagi masyarakat umum dan perusahaan untuk menjelaskan peristiwa, memprediksi pendapatan dan perencanaan strategis. Pada prinsipnya SIG mempunyai 3 komponen utama yaitu sistem computer, data dan pengguna.

Gambar 2. 2 Komponen utama SIG

a. Sistem Komputer

Pada SIG sistem komputer terdiri dari perangkat lunak (software) dan hardware (hardware).

(23)

9 Menurut Murray (1999), terdapat 2 komponen dari data geospasial yaitu komponen grafis ( data geometris) dan data attribut (keterangan tentang obyek).

c. Pengguna

Pada SIG pengguna menentukan informasi apa saja yang dibutuhkan, menentukan standar serta memilih cara memperbarui data yang paling efisisien agar implementasi berjalan dengan baik.

Berdasarkan teknologi dan informasinya, SIG dapat dikategorikan dalam tiga aplikasi yaitu Sistem Informasi Geografis berbasis desktop (Dekstop GIS), SIG berbasis

web(Web GIS), dan SIG berbasis Mobile (Mobile GIS). Adapun tujuan dari

pemanfaatan Sistem Informasi Geografis itu sendiri yaitu untuk mempermudah dalam mendapatkan informasi yang telah diolah dan tersimpan sebagai attribute suatu lokasi atau obyek.

2.3Web GIS

Menurut Painho (2011) WebGIS adalah suatu sistem yang dapat terhubung kedalam jaringan internet yang digunakan untuk mengumpulkan, menyimpan, dan menampilkan data informasi bergeoreferensi atau data yang mengidentifikasikan lokasi obyek tanpa adanya kebutuhan penggunaan software SIG.

Sistem web GIS terbagi kedalam dua sistem yaitu, sistem Web Map Service (WMS)

dan Web Feature Service (WFS).

a. Web Map Service

Sistem WMS bekerja dengan menerima permintaan dari pengguna yang kemudian diteruskan menuju server WMS yang akan memproses permintaan tersebut dan melakukan pencarian data yang diinginkan. Data yang didapatkan kemudian akan dikirimkan kembali oleh server menuju pengguna. Adapun format yang digunakan pada sistem WMS yaitu SVG,PNG,GIF, dan JPEG.

b. Web Feature Service

Sistem kerja WFS sama seperti WMS namun pada WFS setelah data didapatkan oleh server WFS data akan ditampilkan dalam bentuk vektor. WFS ditulis dengan bahasa

(24)

10 XML (Extensible Markup Language) yang berisikan mengenai sistem referensi kooordinat dari data, bentuk geometri dari data dan seluruh koordinat yang membentuk

data. XML digambarkan dengan menggunakan GML (Geography Markup

Language) berupa data vector dari koordinat yang tertulis pada xml.

Kelebihan dan Kekurangan Web GIS

a. Kelebihan Web GIS

- Data yang terpusat

- Biaya lebih murah dalam hal hardware dan software

- Aplikasi berbasis web, sehingga penggunaannya lebih mudah - Data GIS dapat diakses lebih luas

b. Kekurangan Web GIS

- Response time bergantung kepada kecepatan jaringan internet, server, traffic dari

website dan lain-lain yang dapat menyebabkan response time menjadi lama.

2.4Clustering

Clustering atau juga dikenal sebagai unsupervised learning merupakan metode data

mining yang digunakan untuk mengelompokkan data, dimana data yang memiliki tingkat kemiripan yang tinggi berada dalam satu cluster, sementara data yang ada pada cluster lainnya memiliki tingkat perbedaan yang tinggi terhadap cluster lainnya. Secara umum metode clustering diklasifikasikan menjadi 2 yaitu metode partisi dan metode hirarki

a. Metode Partisi

Pada metode partisi data dibagi ke dalam cluster yang telah ditentukan sebelumnya dimana data yang ada pada satu cluster memiliki kemiripan yang tinggi dimana setiap cluster saling disjoint atau memiliki perbedaan yang tinggi antara cluster yang satu dengan yang lainnya. Adapun algoritma yang digunakan pada metode partisi yaitu Algoritma K-Means dan Algoritma K-Modes.

(25)

11 b. Metode Hirarki

Pada metode hirarki data dipecah menjadi cluster-cluster dimana data yang memiliki tingkat kesamaan yang tinggi akan berada pada satu cluster dan berbeda pada cluster lainnya yang pada akhirnya akan membentuk sebuah hirarki yang jelas antar objek, sehinggak akan diketahui mana data yang paling mirip dengan yang tidak mirip sama sekali. Terdapat dua tipe dasar pada metode hirarki yaitu agglomerative (pemusatan) dan divisive (penyebaran).

2.5Algoritma K-Means

Algoritma K-Means merupakan salah satu algoritma yang paling banyak digunakan untuk melakukan clustering. K-Means mengelompokkan data ke dalam cluster yang telah ditentukan jumlah k buah clustenya. Pengelompokkan dilakukan dengan melihat jarak objek dengan titik tengah yang paling dekat.

Tahap-tahap pada algoritma K-Means sebagai berikut : - Tentukan pusat cluster dari obyek sebanyak k. - Hitung jarak tiap obyek dengan pusat cluster.

- Tentukan pusat cluster yang baru dengan menghitung rata-rata anggota obyek di cluster tersebut

- Kembali ke langkah ke dua hingga anggota cluster sama dengan anggota cluster pada iterasi sebelumnya

Untuk menghitung jarak tiap obyek dengan pusat cluster digunakan rumus Euclidian

Distance yaitu sebagai berikut :

Gambar 2. 3 Rumus Euclidian Distance

Dimana :

d(x,y) = obyek data y = data cluster n = dimensi data

(26)

12

2.6Lingkungan Pengembang

2.6.1 Weka

Weka merupakan kumpulan algoritma machine learning yang digunakan untuk mengerjakan tugas-tugas data mining. Weka memiliki tools yang dapat digunakan untuk melakukan pre-processing, classification, regression, clustering, association rule,

dan visualization. Weka merupakan perangkat lunak yang bersifat open source yang

dikeluarkan dibawah GNU (General Public License). Weka memiliki empat aplikasi yang digunakan untuk mengolah data set adalah

2. Explorer yang digunakan untuk mengolah data berdasarkan algoritma yang diinginkan atau yang paling sesuai untuk digunakan pada data.

3. Eksperimenter yang digunakan untuk mencari parameter yang sesuai dan juga bisa digunakan untuk eksperimen ukuran besar.

4. Knowledgeflow yang digunakan untuk memproses data stream

5. Simple CLI (Command Line Interface) yang menggunakan CLI sebagai interface.

2.6.2 PHP

PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun 1994 dalam bahasa pemrograman C untuk digunakan dalam memantau kunjungan ke resume online dan informasi pribadi miliknya. Untuk alasan itulah mengapa PHP pada awal berdirinya disebut “Personal Home Page”.

Menurut Arief (2011), PHP merupakan bahasa server-side scripting yang menyatu dengan HTML untuk membuat halaman web yang dinamis, dimana sintaks/perintah PHP akan dieksekusi di server kemudian hasilnya akan dikirimkan ke browser dengan format html.

Untuk dapat menjalankan PHP pada browser perlu dilakukan penginstalan web server terdahulu dikarenakan PHP bersifat server side. Adapun beberapa aplikasi web server

(27)

13 yang dapat digunakan misalnya Apache, Xampp, Wampp, PWS dan lain-lain sebagainya.

Dalam penulisan script PHP ada beberapa aturan yang harus diperhatikan yaitu :

1. Selalu diawali dengan “<?php”atau”<?” dan diakhiri dengan “?>”. Apabila tidak diakhiri dengan tanda “?>” maka semua script yang ada setelah penulisan “<?php”atau”<?” akan dieksekusi oleh server PHP.

2. Setiap membuat baris script pada php harus diakhiri dengan “;” yang artinya mengakhiri baris script yang dibuat.

3. Tanda kurung (()) pada php biasanya digunakan untuk memanggil fungsi pada php. Penggunaaan tanda kurung pada php selalu diakhiri dengan “;”.

2.6.3 Mysql

Mysql adalah sebuah Database Management System (DBMS) yang memiliki fungsi sebagai relational database. Mysql software bersifat open source serta server basis data Mysql yang memiliki kinerja yang sangat cepat, handal, terukur, dan sangat mudah digunakan dan juga server Mysql bekerja pada client/server atau embedded system. Keuntungan menggunakan Mysql antara lain :

a. Scalability and Flexibility

Server basis data Mysql memiliki skalabilitas yang sangat besar sehingga dapat menjalankan aplikasi yang memiliki data yang besar dengan hanya 1MB memory dan Mysql sendiri dapat berjalan di sistem operasi baik itu Linux maupun Windows. Karena sifatnya yang open source Mysql dapat di kustomisasi sesuai dengan kebutuhan pengguna.

b. High Performance

Arsitektur mesin penyimpanan yang unik memungkinkan database professional untuk mengkonfigurasi Mysql database server khusus untuk aplikasi tertentu yang membuat hasil akhir memiliki kinerja yang luar biasa.

(28)

14 Salah satu keunggulan dari Mysql yaitu kehandalan Rock-solid dan constan

avaibility. Mysql menawarkan berbagai pilihan dari high-avaibility dari

kecepatan dalam mengkonfigurasi replikasi master/slave untuk Cluster server khusus yang menawarkan failover instan untuk pihak ketiga yang menawarkan solusi high-avaibility untuk server database Mysql.

d. Strong Data Protection

Mysql menawarkan fitur keamanan yang luar biasa sehingga dapat melindungi data secara mutlak yaitu dalam hal otentikasi basis data, Mysql menyediakan mekanisme yang kuat sehingga hanya pengguna yang berwenang yang dapat masuk ke database server dengan kemampuan untuk memblokir pengguna ke tingkat mesin yang dipakainya menjadi mungkin.

2.6.4 Quantum GIS (QGIS)

Quantum GIS (QGIS) adalah cross-platform perangkat lunak bebas (open source) desktop pada Sistem Informasi Geografis (SIG). Aplikasi ini memiliki fungsi yaitu menyediakan data, melihat, mengedit, dan memiliki kemampuan analisis spasial. QGIS pertama kali dibangun oleh Gary Sherman pada tahun 2002 yang merupakan proyek dari Open Source Geospasial Foundation (OSGeo) pada tahun 2007. OSGeo sendiri merupakan organisasi non-profit yang berperan untuk mendukung dan mempromosikan pengembangan kolaboratif dari data dan teknologi geospasial.

QGIS ditulis dalam bahasa pemrograman C++. Data yang diolah pada QGIS dapat berupa data raster maupun vector. QGIS dapat mengolah hamrpir semua format data spasial diantaranya shapefile, coverage data, dan lain-lainnya.

Kelebihan Quantum GIS (QGIS) :

- Dapat membuka banyak jenis data spasial. - Tampilan QGIS simpel dan user-friendly. - Lisensi dan open source.

- Remote sensing processiong tool yang lebih baik. - GeoCoding dan alat data konversi di QGIS gratis.

(29)

15 Kekurangan dari QGIS yaitu dalam pengolahan data raster terutama pengolahan lebih lanjut.

2.6.5 ArcGIS Online

ArcGIS online merupakan kolaboratif web GIS berbasis cloud yang memungkinkan untuk membuat, berbagi peta, scenes,aplikasi, layers, analisis dan data. Arc GISonline merupakan bagian integral dari ArcGIS system sehingga dapat digunakan untuk memperluas kemampuan ArcGis baik untuk Desktop, ArcGIS untuk sever, API Web, dan ArcGIS Runtime SDK.

(30)

16

BAB III

ANALISIS DAN PERANCANGAN

3.1Deskripsi Umum Sistem

Data Cluster Data Peta Password

Informasi Data Cluster Overlay Peta

Pengunjung Admin

Informasi Data Cluster Overlay Peta

ARC GIS Online Overplay Peta username

Gambar 3. 1. Deskripsi Umum Sistem

Gambar 3.1 menjelaskan bahwa sistem memiliki 2 user yaitu admin dan pengunjung, dimana admin dapat memasukkan data cluster , data peta yaitu link dari peta, username, dan password ketika login ke aplikasi serta melihat overlay peta dan informasi data cluster. Sementara pengunjung hanya dapat melihat informasi data cluster serta overlay peta. Ketika admin maupun pengunjung mengakses web maka sistem akan meminta

overlay peta dari Arc GIS online kemudian menampilkannya.

3.2Analisis Kebutuhan Sistem

3.2.1 Analisis kebutuhan hardware

Berikut spesifikasi kebutuhan hardware yang digunakan :

Tabel 3. 1 Spesifikasi minimum komputer

Hardware Spesifikasi

(31)

17

Memory 2 GB

Hard Drive 300GB

3.2.2 Analisis kebutuhan software

Berikut spesifikasi kebutuhan software yang digunakan

Tabel 3. 2 Spesifikasi kebutuhan software

Software Spesifikasi

Sistem Operasi Windows 7 Ultimate

Software Pendukung Quantum GIS, Notepad ++, Weka, Star UML

Dokumentasi Microsoft Word

3.3Kebutuhan Fungsional dan Non Fungsional

3.3.1 Kebutuhan fungsional sistem

Adapun kebutuhan fungsional dari sistem adalah F01. Admin dapat melakukan login

F02. Admin dapat mengubah data cluster F03. Admin dapat mengubah link peta

F04. Admin dapat mengubah data hasil clustering

F05. Admin dapat menambah data pemetaan kondisi sosial ekonomi F06. Admin dan pengunjung dapat menampilkan hasil normalisasi min-max F07. Admin dan pengunjung dapat menampilkan pie-chart dari data cluster F08. Admin dan pengunjung dapat menampilkan peta kondisi sosial ekonomi F09. Admin dan pengunjung dapat menampilkan data cluster

F010. Admin dan pengunjung dapat menampilkan pie-chart data cluster

3.3.1 Kebutuhan non fungsional sistem

Adapun kebutuhan non fungsional dari sistem adalah NF01. Mudah dioperasikan

(32)

18 NF02. Berjalan pada browser

3.4Use Case Diagram

System

Admin _Pengunjung

Login

mengubah data cluster mengubah link peta mengubah data hasil clustering

menampilkan peta kondisi sosial ekonomi

menampilkan data cluster menampilkan hasil normalisasi min-max

menampilkan pie-chart dari data cluster

menampilkan data hasil clustering menambah data pemetaan kondisi sosial ekonomi

Gambar 3. 2 Use case diagram

Gambar 3.2 menjelaskan bahwa admin memiliki hak akses ke sistem yaitu login, mengubah data cluster, mengubah link peta, mengubah data hasil clustering, menampilkan hasil normalisasi min-max, menampilkan pie-chart dari data cluster, menampilkan peta kondisi sosial ekonomi, menampilkan data cluster, dan menampilkan data hasil clustering. Sementara pengunjung memiliki hak akses ke sistem yaitu menampilkan hasil normalisasi min-max, menampilkan pie-chart dari data cluster, menampilkan peta kondisi sosial ekonomi, menampilkan data cluster, dan menampilkan data hasil clustering

(33)

19

3.5Skenario Use Case

Tabel 3. 3 Skenario use case login

Nama Use Case Login

Aktor Admin

Kondisi Awal Admin telah masuk ke form login Kondisi Akhir Admin berhasil masuk ke aplikasi

Skenario 1. Admin memasukkan username dan password

2. Sistem melakukan verifikasi username dan password 3. Admin masuk ke aplikasi

Skenario Alternatif 2a[username/password salah] kembali ke langkah 1

Tabel 3. 4 Skenario use case mengubah data cluster

Nama Use Case Mengubah data cluster

Aktor Admin

Kondisi Awal Admin telah masuk ke aplikasi

Kondisi Akhir Admin berhasil mengubah data cluster

Skenario 1. Admin memilih file excel yang akan digunakan 2. Sistem melakukan validasi dari file yang dimasukkan 3. Sistem menyimpan data dari file excel ke database Skenario Alternatif 2a[file yang dimasukkan salah] kembali ke langkah 1

Tabel 3. 5 Skenario use case mengubah link peta

Nama Use Case Mengubah link peta

Aktor Admin

Kondisi Awal Admin telah masuk ke aplikasi Kondisi Akhir Admin berhasil mengubah link peta

Skenario 1. Admin memasukkan link peta

2. Sistem menyimpan link ke database Skenario Alternatif -

(34)

20

Tabel 3. 6 Skenario use case mengubah data hasil clustering

Nama Use Case Mengubah data hasil clustering

Aktor Admin

Kondisi Akhir Admin berhasil mengubah data hasil clustering Skenario 1. Admin memilih file excel yang akan digunakan

2. Sistem melakukan validasi dari file yang dimasukkan 3. Sistem menyimpan data dari file excel ke database Skenario Alternatif 2a[file yang dimasukkan salah] kembali ke langkah 1

Tabel 3. 7 Skenario use case menambah data pemetaan kondisi sosial ekonomi

Nama Use Case Menambah data pemetaan kondisi sosial ekonomi

Aktor Admin

Kondisi Akhir Admin berhasil menambah data pemetaaan kondisi sosial ekonomi Skenario 1. Admin memilih file excel yang akan digunakan

2. Admin memasukkan data tahun 3. Admin memasukkan link peta

4. Sistem melakukan validasi dari file yang dimasukkan 5. Sistem menyimpan data ke database

Skenario Alternatif 2a[file yang dimasukkan salah] kembali ke langkah 1

Tabel 3. 8 Skenario use case menampilkan hasil normalisasi min-max

Nama Use Case Menampilkan hasil normalisasi min-max

Aktor Admin dan pengunjung

Kondisi Akhir Sistem menampilkan hasil perhitungan normalisasi min -max Skenario 1. Admin/pengunjung membuka halaman normalisasi min-max

2. Sistem menampilkan hasil perhitungan normalisasi min-max Skenario Alternatif -

Tabel 3. 9 Skenario use case menampilkan pie-chart dari data cluster

(35)

21

Kondisi Awal Admin dan pengunjung telah masuk ke aplikasi Kondisi Akhir Sistem menampilkan pie-chart dari data cluster

Skenario 1. Admin/pengunjung membuka halaman visualisasi 2. Sistem menampilkan pie-chart dari data cluster Skenario Alternatif -

Tabel 3. 10 Skenario use case menampilkan peta kondisi sosial ekonomi

Nama Use Case Menampilkan peta kondisi sosial ekonomi

Kondisi Awal Admin dan pengunjung telah masuk ke aplikasi Kondisi Akhir Sistem menampilkan overlay peta

Skenario 1. Admin/pengunjung membuka halaman peta

2. Sistem menampilkan overlay peta Skenario Alternatif -

Tabel 3. 11 Skenario use case menampilkan data cluster

Nama Use Case Menampilkan data cluster

Kondisi Awal Admin dan pengunjung telah masuk ke aplikasi Kondisi Akhir Sistem menampilkan data cluster

Skenario 1. Admin/pengunjung mengakses halaman data cluster 2. Sistem menampilkan data cluster

Skenario Alternatif -

Tabel 3. 12 Skenario use case menampilkan hasil clustering

Nama Use Case Menampilkan data hasil clustering

Kondisi Awal Admin dan pengunjung telah masuk ke aplikasi Kondisi Akhir Sistem menampilkan data hasil cluster

Skenario 3. Admin/pengunjung membuka halaman hasil cluster 4. Sistem menampilkan data hasil cluster

(36)

22

3.6Activity Diagram

3.6.1 Activitydiagram login

Admin Sistem

mengisi username dan password verifikasi username dan password

username/password salah

masuk ke aplikasi username/password benar

Gambar 3. 3 Activitydiagram login

Gambar 3.3 menjelaskan proses login dimana ketika admin memasukkan username dan password maka sistem melakukan verifikasi terlebih dahulu, apabila username dan password salah maka sistem akan menampilkan pesan bahwa kesalahan, apabila benar maka admin dapat masuk ke aplikasi.

(37)

23

3.6.2 Activitydiagram mengubah data cluster

Admin Sistem

memilih file data cluster validasi data

data yang dimasukkan salah

menyimpan data ke database data yang dimasukkan benar

Gambar 3. 4 Activity diagram mengubah data cluster

Gambar 3.4 menjelaskan ketika admin akan mengubah data cluster maka admin memilih file data terlebih dahulu kemudian sistem akan melakukan validasi data, apabila data yang dimasukkan benar maka data akan tersimpan di database, sebaliknya apabila data yang dimasukkan salah maka admin harus memasukkan data lagi.

(38)

24

3.6.3 Activitydiagram mengubah link peta

Admin Sistem

memasukkan link peta menyimpan link peta ke database

Gambar 3. 5 Activity diagram mengubah link peta

Gambar 3.5 menjelaskan proses untuk mengganti link peta, admin memasukkan link peta kemudian akan disimpan ke database.

(39)

25

3.6.4 Activitydiagram mengubah data hasil clustering

Admin Sistem

memilih file data hasil clustering validasi data

Gambar 3. 6 Activitydiagram mengubah data hasil clustering

Gambar 3.6 menjelaskan proses untuk mengubah data hasil clustering yaitu admin memilih file data clustering kemudian sistem akan melakukan validasi data, apabila data yang dimasukkan salah maka admin memasukkan data kembali, apabila data yang dimasukkan benar maka sistem akan menyimpan ke database.

(40)

26

3.6.5 Activitydiagram menambah data pemetaan kondisi sosial ekonomi

Admin Sistem

memilih file excel,tahun dan link peta validasi data

Gambar 3. 7 Activitydiagram menambah data pemetaan kondisi sosial ekonomi

Gambar 3.7 menjelaskan proses untuk menambah data pemetaan kondisi sosial ekonomi yaitu admin memilih file yang akan dimasukkan, memasukkan tahun dan link peta kemudian sistem akan melakukan verifikasi data lalu menyimpannya ke database.

(41)

27

3.6.6 Activity diagram menampilkan hasil normalisasi min-max

Admin/Pengunjung Sistem

membuka halaman normalisasi min-max sistem menampilkan hasil perhitungan normalisasi min-max

Gambar 3. 8 Activity diagram menampilkan hasil normalisasi min-max

Gambar 3.8 menjelaskan proses untuk menampilkan hasil perhitungan normalisasi min-max yaitu ketika admin/pengunjung mengakses halaman normalisasi min-min-max, maka system akan menampilkan hasil perhitungan normalisasi min-max.

3.6.7 Activitydiagram menampilkan pie-chart dari data cluster

Admin/Pengunjung

membuka halaman visualisasi sistem menampilkan pie-chart dari data cluster Sistem

(42)

28 Gambar 3.9 menjelaskan proses untuk menampilkan hasil pie-chart dari data cluster yaitu ketika admin/pengunjung membuka halaman visualisasi maka sistem akan menampilkan pie-chart dari data cluster.

3.6.8 Activitydiagram menampilkan peta kondisi sosial ekonomi

membuka halaman peta sistem menampilkan overlay peta

Gambar 3. 10 Activitydiagram menampilkan peta kondisi sosial ekonomi

Gambar 3.10 menjelaskan proses untuk menampilkan peta kondisi sosial ekonomi yaitu ketika admin/pengunjung membuka halaman peta maka sistem akan menampilkan peta kondisi sosial ekonomi.

(43)

29

3.6.9 Activitydiagram menampilkan data cluster

Admin/Pengunjung

membuka halaman data cluster sistem menampilkan data cluster Sistem

Gambar 3. 11 Activitydiagram melihat data cluster

Gambar 3.11 menjelaskan proses untuk menampilkan data cluster yaitu ketika admin/pengunjung membuka halaman data cluster maka sistem akan menampilkan data cluster.

(44)

30

3.6.10 Activitydiagram menampilkan data hasil clustering

membuka halaman hasil cluster

sistem menampilkan data hasil clustering

Gambar 3. 12 Activitydiagram menampilkan data hasil clustering

Gambar 3.12 menjelaskan proses untuk menampilkan data hasil clustering yaitu ketika admin/pengunjung membuka halaman hasil clustering maka sistem akan menampilkan data hasil clustering.

(45)

31

3.7Sequence Diagram

3.7.1 Sequencediagram login

Login sd

: GUILogin <<boundary>>

: ProsesLogin<<control>> <<entity>> : user : admin

1 : login(username,password)

2 : login(username,password)

3 : verifikasi(username,password) 4 : Statuslogin

Gambar 3. 13 Sequencediagram login

Gambar 3.13 merupakan sequence diagram login yaitu admin memasukkan username dan password kemudian proses login akan memverifikasi username dan password kemudian sistem menampilkan status login.

3.7.2 Sequencediagram mengubah data cluster

ubah data cluster

sd

: admin : GUIDataCluster <<boundary>>

: ProsesUbahDataCluster<<control>> <<entity>> : data 1 : inputfile()

2 : inputfile()

3 : validasidatacluster() 4 : simpandatacluster()

(46)

32

Gambar 3. 14 Sequence diagram mengubah data cluster

Gambar 3.14 merupakan sequence diagram mengubah data cluster yaitu admin memasukkan file kemudian akan divalidasi terlebih dahulu kemudian disimpan ke database.

3.7.3 Sequencediagram mengubah link peta

ubah link peta sd

: GUIPeta <<boundary>>

: ProsesUbahPeta<<control>> <<entity>> : peta : admin

1 : input(link)

2 : input(link)

3 : simpanpeta()

Gambar 3. 15 Sequencediagram mengubah link peta

Gambar 3.15 merupakan sequence diagram mengubah link peta yaitu admin memasukkan link peta kemudian link peta akan disimpan ke database.

3.7.4 Sequencediagram mengubah data hasil clustering

ubah hasil clustering sd

: admin : GUIHasilClustering <<boundary>>

: ProsesUbahHasilClustering<<control>> <<entity>> : hasil 1 : inputfile()

2 : inputfile()

3 : validasihasilclustering() 4 : simpanhasilclustering()

(47)

33

Gambar 3. 16 Sequencediagram mengubah data hasil clustering

Gambar 3.16 merupakan sequence diagram mengubah data hasil clustering yaitu admin memilih file kemudian akan dilakukan validasi data sebelum disimpan ke database.

3.7.5 Sequence diagram menambah data pemetaan kondisi sosial ekonomi

tambah data pemetaan kondisi sosial ekonomi

sd

: admin : GUITambahData <<boundary>>

: ProsesTambahData<<control>> <<entity>> : data 1 : inputfile,tahun,link()

2 : inputfile,tahun,link()

3 : validasidata() 4 : simpandata()

Gambar 3. 17 Sequencediagram menambah data pemetaan kondisi sosial ekonomi

Gambar 3.17 merupakan sequence diagram menambah data pemetaan kondisi sosial ekonomi yaitu admin memilih file yang akan dimasukkan, memasukkan tahun dan link perta kemudian sistem akan melakukan validasi data terlebih dahulu lalu menyimpannya ke database.

(48)

34

3.7.6 Sequencediagram menampilkan hasil normalisasi min-max

menampilkan hasil perhitungan normalisasi min-max

sd

: GUINormalisasiMinMax<<boundary>> : ProsesTampil<<control>> <<entity>> : data : admin/pengunjung 1 : tampilNormalisasi() 2 : tampilNormalisasi() 3 : getDataCluster() 4 : DataCluster 5 : hitung() 6 : DataCluster

Gambar 3. 18 Sequencediagram menampilkan hasil normalisasi min-max

Gambar 3.18 merupakan sequence diagram menampilkan hasil normalisasi min-max yaitu ketika admin/pengunjung membuka halaman normalisasi min-max sistem akan menampilkan data cluster yang telah di lakukan proses perhitungan normalisasi min-max.

(49)

35

3.7.7 Sequencediagram menampilkan pie-chart dari data cluster

menampilkan pie chart dari data cluster

sd

: admin/pengunjung : GUIVisualisasi <<boundary>>

: ProsesTampilChart<<control>> <<entity>> : data 1 : tampilPieChart() 2 : tampilPieChart() 3 : getDataCluster() 4 : datacluster 5 : convert(datacluster) 6 : datacluster

Gambar 3. 19 Sequencediagram menampilkan pie-chart dari data cluster

Gambar 3.19 merupakan sequence diagram menampilkan pie-chart dari data cluster yaitu ketika admin/pengunjung membuka halaman visualisasi sistem akan menampilkan pie-chart dari data cluster.

3.7.8 Sequencediagram menampilkan peta kondisi sosial ekonomi

menampilkan overlay peta

sd : GUIPeta <<boundary>> : ProsesTampilPeta <<control>> : ArcGISOnline <<entity>> : link <<entity>> : admin/pengunjung 1 : tampilPeta() 2 : tampilPeta() 3 : getPeta() 4 : link 5 : getOverlay() 6 : OverlayPeta

(50)

36

Gambar 3. 20 Sequence diagram menampilkan peta kondisi sosial ekonomi

Gambar 3.20 merupakan sequence diagram menampilkan peta kondisi sosial ekonomi dimana ketika admin/pengunjung membuka halaman peta maka sistem akan menampilkan peta kondisi sosial ekonomi.

3.7.9 Sequence diagram menampilkan data cluster

menampilkan data cluster

sd

: GUIDataCluster<<boundary>> : ProsesTampilDataCluster<<control>> <<entity>> : data : admin/pengunjung

1 : tampilDataCluster()

2 : tampilDataCluster()

3 : getDataCluster()

4 : datacluster

Gambar 3. 21 Sequence diagram menampilkan data cluster

Gambar 3.21 merupakan sequence diagram menampilkan data cluster dimana ketika user membuka halaman data cluster, sistem akan menampilkan data cluster.

(51)

37

3.7.10 Sequencediagram menampilkan data hasil clustering

menampilkan data hasil clustering

sd

: GUIHasilCluster<<boundary>> : ProsesTampilHasilCluster<<control>> <<entity>> : hasil : admin/pengunjung

1 : tampilHasilCluster()

2 : tampilHasilCluster()

3 : getHasilCluster()

4 : hasilcluster

Gambar 3. 22 Sequence diagram menampilkan data hasil clustering

Gambar 3.22 merupakan sequence diagram menampilkan data hasil clustering dimana ketika user membuka halaman data cluster, sistem akan menampilkan data hasil clustering. 3.8Class Diagram GUILogin +Login(username, password) ProsesLogin +verifikasi(username, password) user +username +password GUIDataCluster +inputfile() +tampilDataCluster() ProsesUbahDataCluster +validasidatacluster() +simpandatacluster() data +kecamatan +F_Pendidikan +F_Budaya +F_Kependudukan +F_Ekonomi +F_Kesehatan GUIPeta +input(link) +tampilPeta() ProsesUbahPeta +simpanpeta(link) peta +link GUIHasilClustering +inputfile() +tampilHasilCluster() ProsesUbahHasilCLustering +validasihasilclustering() +simpanhasilclustering() hasil +kecamatan +F_Pendidikan +F_Budaya +F_Ekonomi +F_Kependudukan +F_Kesehatan GUINormalisasiMinMax +tampilNormalisasi() ProsesTampil +getDataCluster() +hitung() GUIVisualisasi +tampilPieChart() ProsesTampilChart +getDataCluster() +cenvert(datacluster) ProsesTampilPeta +getPeta() ArcGISOnline ProsesTampilDataCluster +getDataCluster() ProsesTampilHasilCLuster +getHasilCluster()

(52)

38

Gambar 3. 23 Class diagram

Gambar 3.23 merupakan class diagram dimana class GUILogin memiliki hubungan class proseslogin dan class user. Class GUIDataCluster memiliki hubungan dengan class ProsesUbahDataCluster, class ProsesTampilDataCluster dan class data. Class GUIPeta memiliki hubungan dengan class ProsesUbahData, class ProsesTampilPeta, class ArcGISOnline dan class peta. Class GUINormalisasiMinMax memiliki hubungan dengan class ProsesTampil dan class data. Class GUIVisualisasi memiliki hubungan dengan class ProsesTampilChart dan class data. Class GUIHasilClustering memiliki hubungan dengan class ProsesUbahHasilClustering, class ProsesTampilHasilCluster dan class hasil.

3.9Perancangan Antarmuka

Gambar 3. 24 Perancangan antarmuka login

Gambar 3.24 merupakan perancangan antarmuka login yang terdiri dari text box, title dan button.

Tabel 3. 13 Tabel antarmuka login

ID Objek Jenis Nama Detail Keterangan

Title Teks title Nama dari halaman

(53)

39 Text_box 2 Input box password Tempat untuk input teks

Button 1 Button Login Tombol untuk memproses inputan data

Gambar 3. 25 Perancangan antarmuka peta

Gambar 3.25 merupakan perancangan antarmuka halaman utama yang terdiri dari title, button, combo box dan konten.

Tabel 3. 14 Tabel antarmuka peta

Button 1 Button Login Tombol menuju halaman login

Button 2 Button Peta Tombol menuju halaman utama

ComboBox 1 Combo box Data Tombol untuk memilih menu

ComboBox 2 Combo box Visualisasi Tombol untuk memilih menu

(54)

40

Gambar 3. 26 Perancangan antarmuka data cluster

Gambar 3.26 merupakan perancangan antarmuka data cluster yang terdiri dari title, button, combo box dan konten.

Tabel 3. 15 Tabel antarmuka data cluster

Title Teks Title Nama dari halaman

Button 1 Button Login Tombol menuju ke halaman login

Button 3 Button Data Cluster Tombol menuju ke halaman data cluster Button 4 Button Normalisasi Tombol menuju ke halaman data normalisasi ComboBox 2 Combo box Visualisasi Tombol untuk memilih menu

(55)

41

Gambar 3. 27 Implementasi antarmuka tambah data

Gambar 3.27 merupakan perancangan antarmuka data cluster yang terdiri dari title, button, combo box dan input box.

Tabel 3. 16 Tabel antarmuka tambah data

Button 5 Button Button Tombol memilih file excell

Button 6 Button Button Tombol memilih file excell

Text 1 Text box Tahun Text box untuk inputan tahun

(56)

42

Gambar 3. 28 Perancangan antarmuka normalisasi

Gambar 3.28 merupakan perancangan antarmuka normalisasi yang terdiri dari title, button, combo box dan konten.

Tabel 3. 17 Tabel antarmuka data normalisasi

(57)

43

Gambar 3. 29 Perancangan antarmuka hasil clustering

Gambar 3.29 merupakan perancangan antarmuka hasil clustering yang terdiri dari title, button, combo box dan konten.

Tabel 3. 18 Tabel antarmuka hasil clustering

(58)

44

Gambar 3. 30 Perancangan antarmuka visualisasi

Gambar 3.30 merupakan perancangan antarmuka visualisasi yang terdiri dari header, button dan textfield.

Tabel 3. 19 Tabel antarmuka visualisasi

(59)

45

3.10 Pengumpulan Data

Pengumpulan data dilakukan untuk mendapatkan informasi yang akan digunakan pada penelitian. Metode pengumpulan data yang digunakan pada penelitian ini terdiri dari dua yaitu studi kepustakaan dan studi dokumen.

1. Studi kepustakaan

Studi kepustakaan dilakukan dengan mengumpulkan teori-teori yang berhubungan dengan penerapan algoritma K-Means agar data yang didapatkan dapat diolah dengan benar.

2. Studi Dokumen

Studi Dokumen digunakan untuk mendapatkan data yang akan digunakan pada penelitian yang berasal dari dokumen-dokumen.

Adapun data yang didapatkan sebagai berikut. a. Pendidikan

Tabel 3. 20 Data Angka partisipasi sekolah(SLTA) dan sarana sekolah (SLTA)

Kecamatan Partisipasi lulusan (SLTA) Sarana sekolah (SLTA Belakang Padang 280 3 Bulang 82 1 Galang 89 3 Sei Beduk 445 1 Nongsa 467 4 Sekupang 845 2 Lubuk Baja 1134 7 Batu Ampar 515 3 Batam Kota 1288 17 Sagulung 1277 6 Batu Aji 552 4 Bengkong 966 1

(60)

46

b. Kependudukan

Tabel 3. 21 Data Jumlah penduduk, Jumlah Penduduk Pria dan Wanita

Kecamatan Jumlah Penduduk Pria Wanita

Belakang Padang 21836 11111 10725 Bulang 11625 6045 5580 Galang 16585 8857 7728 Sei Beduk 89648 45102 44546 Nongsa 59844 31686 28158 Sekupang 127288 65881 61407 Lubuk Baja 93868 47695 46173 Batu Ampar 76212 40522 35690 Batam Kota 155077 78753 76324 Sagulung 163750 85580 78170 Batu Aji 116153 59719 56434 Bengkong 105301 54196 51105 c. Budaya

Tabel 3. 22 Data Jumlah perceraian dan anak jalanan

Kecamatan Jumlah Perceraian Anak jalanan

Belakang Padang 13 0 Bulang 8 0 Galang 9 0 Sei Beduk 78 18 Nongsa 158 12 Sekupang 58 35 Lubuk Baja 270 15 Batu Ampar 219 20 Batam Kota 133 60 Sagulung 85 10 Batu Aji 60 10 Bengkong 145 9

(61)

47

d. Ekonomi

Tabel 3. 23 Data Jumlah lansia miskin, rumah tak layak huni, dan pekerjaan(guru PNS) Kecamatan Lansia Miskin Rumah Tak Layak Huni Pekerjaan (Guru PNS) Belakang Padang 1978 206 354 Bulang 683 195 206 Galang 1124 196 395 Sei Beduk 1086 16 487 Nongsa 1670 36 623 Sekupang 3220 0 1158 Lubuk Baja 4766 22 875 Batu Ampar 1963 0 357 Batam Kota 3697 12 2164 Sagulung 2200 35 1701 Batu Aji 974 2 1214 Bengkong 2671 27 844 e. Kesehatan

Tabel 3. 24 Data penyandang sakit dan sarana kesehatan

Kecamatan Penyandang sakit Sarana kesehatan

Belakang Padang 37 22 Bulang 42 20 Galang 70 33 Sei Beduk 31 32 Nongsa 57 33 Sekupang 26 30 Lubuk Baja 80 46 Batu Ampar 15 25 Batam Kota 67 53 Sagulung 57 30 Batu Aji 29 47 Bengkong 55 29

(62)

48

3.11 Pengolahan Data

3.11.1 Pemilihan data

Setelah melakukan pengumpulan data selanjutnya akan dipilih data-data yang akan digunakan dalam proses clustering nantinya. Data yang dipilih merupakan data yang mewakili masing-masing faktor yang berpengaruh terhadap kondisi sosial ekonomi dalam hal ini terkait dengan permasalahan sosial. Adapun data-data yang dipilih sebagai berikut.

Tabel 3. 25 Data Partisipasi lulusa(SMA)

Kecamatan Partisipasi lulusan(SMA) Belakang Padang 37 Bulang 42 Galang 70 Sei Beduk 31 Nongsa 57 Sekupang 26 Lubuk Baja 80 Batu Ampar 15 Batam Kota 67 Sagulung 57 Batu Aji 29 Bengkong 55

Tabel 3. 26 Data Jumlah Penduduk

Kecamatan Jumlah Penduduk

Belakang Padang 21836 Bulang 11625 Galang 16585 Sei Beduk 89648 Nongsa 59844 Sekupang 127288

(63)

49 Lubuk Baja 93868 Batu Ampar 76212 Batam Kota 155077 Sagulung 163750 Batu Aji 116153 Bengkong 105301

Tabel 3. 27 Data Jumlah Perceraian

Kecamatan Jumlah Perceraian Belakang Padang 13 Bulang 8 Galang 9 Sei Beduk 78 Nongsa 158 Sekupang 58 Lubuk Baja 270 Batu Ampar 219 Batam Kota 133 Sagulung 85 Batu Aji 60 Bengkong 145

Tabel 3. 28 Data Lansia Miskin

Kecamatan Lansia Miskin Belakang Padang 1978 Bulang 683 Galang 1124 Sei Beduk 1086 Nongsa 1670 Sekupang 3220 Lubuk Baja 4766 Batu Ampar 1963 Batam Kota 3697