Implementasi Fuzzy C-Means Clustering dalam Pengelompokan UKM Di Kabupaten Rokan Hulu

Erni Rouza, Luth Fimawahib

Abstract


Dalam upaya meningkatkan Usaha Kecil dan Menengah (UKM) di Kabupaten Rokan Hulu yang menjadi industri kreatif dan inovatif tentunya pendataan pesebaran UKM harus up to date dan valid sehingga pemerintah dapat memberikan kebijakan ataupun bantuan kepelaku usaha untuk mengembangkan usahanya apalagi dalam situasi pandemic ini. Penelitian ini bertujuan untuk mengelompokkan jenis UKM yang ada di Rokan Hulu menggunakan metode Fuzzy C-Means Clustering  dan membuat aplikasi baru berbasis Web untuk mendata persebaran UKM yang dilengkapi dengan peta pesebaran UKM . Fuzzy C-Mean Clustering (FCM) adalah suatu teknik pengclusteran data yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaannya. Variabel yang digunakan berdasarkan omset, asset dan jumlah tenaga kerja. Sedangkan untuk pengelompokan jenis UKM dicluster menjadi 3 jenis, yaitu usaha menengah, usaha kecil dan usaha mikro. Berdasarkan hasil pengujian metode Fuzzy C-Mean Clustering dapat mengelompokkan jenis Usaha Kecil Menengah berdasarkan 3 cluster yaitu usaha menengah, usaha kecil dan usaha mikro, serta nilai validasinya rata-rata hampir mendekati angka 1, hal tersebut menunjukkan bahwa Fuzzy C-Means Clustering memiliki tingkat akurasi yang tinggi sebesar 80-90 %.  


Keywords


Fuzzy C-Mean Clustering, Usaha Kecil Menengah (UKM), Rokan Hulu

Full Text:

PDF

References


Oki, 2016, Investasi UKM Terus Meningkat di Kabupaten Rokan Hulu. Topriau.com.

Luthfi, E. T. (2007, November). Fuzzy C-Means untuk Clustering Data (studi kasus: data performance mengajar dosen). In Seminar Nasional Teknologi (Vol. 2007, pp. 1-7).

Abdy, M. (2018). Pengklasteran dengan Algoritma Fuzzy C-Means. Jurnal Matematika, Statistika dan Komputasi, 12(1), 30-35.

Kusuma, D. T., & Agani, N. (2015). Prototipe Komparasi Model Clustering Menggunakan Metode K-Means Dan FCM untuk Menentukan Strategi Promosi: Study Kasus Sekolah Tinggi Teknik-PLN Jakarta. Jurnal TICom, 3(3), 93460.

Sutoyo, M. N., & Sumpala, A. T. (2015). Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis. Scientific Journal of Informatics, 2(2), 129-135.

DewiAstria, D., & Suprayogi, S. (2017). Penerapan Algoritma Fuzzy C-Means Untuk Clustering Pelanggan Pada CV. Mataram Jaya Bawen. Jurnal Eksplora Informatika, 6(2), 169-187.

Ferdiansyah, R., Efendi, R., & Susilo, B. (2018). Rancang Bangun Aplikasi Klasifikasi Usaha Mikro Home Industry Ikan Kering Dengan Algoritme Fuzzy C-Means Clustering di Daerah Pesisir Kota Bengkulu. Rekursif: Jurnal Informatika, 6(2).

Ramadhan, A., Efendi, Z., & Mustakim, M. (2017, May). Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling. In Seminar Nasional Teknologi Informasi Komunikasi dan Industri (pp. 219-226).

Rustiyan, R., & Mustakim, M. (2018). Penerapan Algoritma Fuzzy C Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(2), 171-176.

Kusumadewi, Sri, Purnomo Hari. Aplikasi Logika Fuzzy. Graha Ilmu. Yogyakarta; 2010.

Alexander F.K. Sibero. Web programming power pack. MediaKom. Yogyakarta; 2013.

Betha Sidik and I. M. E. I. P. Husni. Pemrograman Web dengan PHP, Bandung: Informatika. 2012.




DOI: https://doi.org/10.33633/tc.v19i4.4101

Article Metrics

Abstract view : 2934 times
PDF - 1720 times

Refbacks

  • There are currently no refbacks.




Diterbitkan Oleh :

 

Jurnal Techno.Com terindex di :

    Screenshot-2024-02-11-at-17-10-53

Jurnal Teknologi Informasi Techno.Com (p-ISSN : 1412-2693, e-ISSN : 2356-2579) diterbitkan oleh LPPM Universitas Dian Nuswantoro Semarang. Jurnal ini di bawah lisensi Creative Commons Attribution 4.0 International License.