IMPLEMENTASI METODE K-MEANS CENTROID UNTUK CLUSTERING TENTANG MANAJEMEN LOKASI BAK SAMPAH ORGANIK UNTUK KEPERLUAN KOMPOS DI KECAMATAN AUR BIRUGO TIGO BALEH MENGGUNAKAN BAHASA PEMROGRAMAN PHYTON

Afrizal, Afrizal (2021) IMPLEMENTASI METODE K-MEANS CENTROID UNTUK CLUSTERING TENTANG MANAJEMEN LOKASI BAK SAMPAH ORGANIK UNTUK KEPERLUAN KOMPOS DI KECAMATAN AUR BIRUGO TIGO BALEH MENGGUNAKAN BAHASA PEMROGRAMAN PHYTON. Sarjana thesis, Universitas Putra Indonesia YPTK.

Preview	Text SKRIPSI_Afrizal_17101152610401_ABSTRAK.pdf Download (167kB) | Preview
Preview	Text SKRIPSI_Afrizal_17101152610401_BAB I.pdf Download (200kB) | Preview
Preview	Text SKRIPSI_Afrizal_17101152610401_DAFTAR PUSTAKA.pdf Download (108kB) | Preview
	Text SKRIPSI_Afrizal_17101152610401_FULL TEXT.pdf Restricted to Repository staff only Download (2MB)

Abstract

Sampah Organik merupakan bahan tanaman mati, seperti daun dan ranting yang telah jatuh ke tanah. Sampah Organik merupakan bagian integral dari proses siklus hara dan merupakan indikator produktivitas dan stabilitas ekosistem. Pemanfaatan sampah organik sudah banyak dilakukan dan dimanfaatkan untuk kebutuhan di pertanian atau sebagai sumber biogas. Dipertanian sampah organik yang berupa dedaunan, tanaman sisa panen, jerami dll, dijadikan sebagai bahan pembuatan pupuk kompos. Salah satu cara untuk meminimal tumpukan sampah sehingga dapat dimanfaatkan untuk dijadikan pupuk kompos adalah dengan rutin membersihkan sampah dan memanajemen lokasi bak sampah organik terbaik pada tempat yang strategis. Clustering merupakan salah satu metode data mining yang bersifat tanpa arahan (unsuper vised) dan suatu metode untuk mencari dan mengelompokan data yang memiliki kemiripan karakteristik antara satu data dengan data lain. Pada clustering ini terdapat beberapa algoritma pengelompokan untuk mengelompokan data secara mudah. Salah satunya adalah algoritma K- Means yang merupakan metode analisis kelompok yang mengarah pada partisian N objek pengamatan kedalam K kelompok, di mana setiap objek pengamatan sebuah kelompok data dengan rata-rata (mean) terdekat. Pengelompokan pada umumnya diterapkan untuk mengelompokan dokumen atau benda yang tidak tersusun dengan rapi dan tidak sesuai susunanya pada tempatnya. Algoritma ini mengelompokkan pengamatan kedalam kelompok k, di mana k merupakan parameter input. Tiap data kemudian ditetapkan pada setiap pengamatan cluster berdasarkan kedekatan pengamatan nilai rata-rata cluster. Nilai rata-rata pada cluster kemudian dihitung secara berulang pada proses awal. Hasil rekomendasi didapatkan dengan cara mengolah data tumpukan sampah organik. Hasil dari penelitian ini didapatkan bahwa rekomendasi manajemen lokasi bak sampah organik denga k=3 (jumlah cluster) merupakan cluster dengan struktur terbaik dibandingkan dengan nilai k lainnya.

Actions (login required)

View Item