53
BAB V PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil berdasarkan pembahasan pada bab sebelumnya mengenai pengelompokkan kebutuhan air bersih di Indonesia periode tahun 2012-2017 menggunakan algoritma clustering K-Means yaitu:
1. Penerapan metode clustering K-Means untuk pengelompokkan kebutuhan air bersih menurut provinsi di Indonesia berdasarkan tingkat kebutuhan rendah, kebutuhan sedang dan kebutuhan tinggi menggunakan aplikasi rapidminer sudah berhasil dan mudah diterapkan.
2. Penerapan metode clustering K-Means diperoleh hasil pengelompokkan yaitu 3 kelompok yaitu C0 tingkat rendah dengan rentang nilai 22387 sampai 486199 dan berjumlah 25 data, C1 yaitu tingkat tinggi dengan rentang 1598634 sampai 2551955 dan berjumlah 4 data, C2 yaitu tingkat sedang dengan rentang anggota sebanyak 5 dan jumlah cluster sebanyak 3 diuji menggunakan validasi Davies Bouldin Index(DBI) dengan nilai 0,534.
sebagai nilai ukur terhadap validasi data yang diolah.
54
5.2 Saran
Saran yang diperlukan untuk pengembangan penelitian ini lebih lanjut sebagai berikut:
1. Penelitian selanjutnya dapat dikembangkan dengan data yang sama dengan metode yang lebih baik seperti menggunakan algoritma yang masih sejenis seperti metode untuk partisi.
2. Penelitian selanjutnya dapat dikembangkan dengan menambahkan jumlah attribut baru.
3. Penelitian selanjutnya dapat dikembangkan dengan metode dan algoritma lain selain clustering dengan menggunakan data yang sama.
