PENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN JUMLAH PRODUKSI KAYU BULAT BERDASARKAN JENIS KAYU DI PROVINSI JAWA BARAT

AHMAD, HABIB SADEWO (2023) PENERAPAN ALGORITMA K-MEANS UNTUK MENENTUKAN JUMLAH PRODUKSI KAYU BULAT BERDASARKAN JENIS KAYU DI PROVINSI JAWA BARAT. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 1. Hal Cover.pdf Download (191kB) | Preview
Preview	Text (ABSTRAK) 2. Abstrak.pdf Download (23kB) | Preview
	Text (BAB I) 3. BAB I.pdf Restricted to Registered users only Download (26kB)
	Text (BAB II) 4. BAB II.pdf Restricted to Registered users only Download (121kB)
	Text (BAB III) 5. BAB III.pdf Restricted to Registered users only Download (66kB)
	Text (BAB IV) 6. BAB IV.pdf Restricted to Registered users only Download (109kB)
	Text (BAB V) 7. BAB V.pdf Restricted to Registered users only Download (16kB)
	Text (DAFTAR PUSTAKA) 8. Daftar Pustaka.pdf Restricted to Registered users only Download (46kB)
	Text (LAMPIRAN) 9. Lampiran.pdf Restricted to Registered users only Download (756kB)

Abstract

Logs are one of the forms of natural wealth of Indonesia's forests. In 2020, roundwood production in Indonesia reached 61.02 million cubic meters (m3 ). According to data from the Central Statistics Agency (BPS), roundwood production fluctuated in each quarter of 2020. Roundwood production had decreased in the second quarter from a total production of 14.58 million m 3 in the first quarter to 13.87 million m3 . Based on the dataset of the number of production and types of logs of the West Java Forestry Service from 2016 to 2020, the production of logs in each city district in West Java is uneven for the amount of production and types of logs processed. With the application of the K-Means algorithm that is able to group data optimally, it is hoped that it can help increase the potential for the number of production and types of logs in the West Java region and as supporting data in local government decision making. The dataset of the amount of wood production based on this type of wood is preprocessed and executed using the K-Means method. The data are then grouped into low (C1) and high (C2) criteria. The result is data with the potential for the amount of low timber production (C1) as many as 64 forest management unit areas (KPH) and the number of high timber production (C2) as many as 1 forest management unit (KPH) area. The Forest Management Unit (KPH) area with the highest potential for roundwood production (C2) is KPH North Bandung. Keywords: Clustering, K-Means, Data Mining, RapidMiner Studio. Kayu bulat menjadi salah satu bentuk kekayaan alam hutan Indonesia. Pada tahun 2020, produksi kayu bulat di Indonesia mencapai 61,02 juta meter kubik (m3 ). Menurut data dari Badan Pusat Statistik (BPS), produksi kayu bulat mengalami fluktuasi pada tiap triwulan tahun 2020. Produksi kayu bulat sempat mengalami penurunan pada triwulan II dari total produksi sebesar 14,58 juta m3 pada triwulan I menjadi 13,87 juta m3 . Berdasarkan dataset jumlah produksi dan jenis kayu bulat Dinas Kehutanan Jawa Barat dari tahun 2016 sampai dengan tahun 2020, produksi kayu bulat pada masing-masing wilayah kabupaten kota di Jawa Barat tidak merata untuk jumlah produksi dan jenis kayu bulat yang diolah. Dengan penerapan algoritma K-Means yang mampu mengelompokkan data secara optimal diharapkan dapat membantu meningkatkan potensi jumlah produksi dan jenis kayu bulat di wilayah Jawa Barat dan sebagai data pendukung dalam pengambilan keputusan pemerintah setempat. Dataset jumlah produksi kayu berdasarkan jenis kayu ini dilakukan preprocessing dan dijalankan menggunakan metode K-Means. Data kemudian dikelompokkan ke dalam kriteria rendah (C1) dan tinggi (C2). Hasilnya adalah data dengan potensi jumlah produksi kayu rendah (C1) sebanyak 64 daerah kesatuan pengelolaan hutan (KPH) dan jumlah produksi kayu tinggi (C2) sebanyak 1 daerah kesatuan pengelolaan hutan (KPH). Daerah Kesatuan Pengelolaan Hutan (KPH) dengan potensi produksi kayu bulat yang paling tinggi (C2) adalah KPH Bandung Utara. Kata Kunci : Clustering, K-Means, Data Mining, RapidMiner Studio

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 23 010
NIM/NIDN Creators:	41519120040
Uncontrolled Keywords:	Clustering, K-Means, Data Mining, RapidMiner Studio
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.5 Management of Production/Manajemen Produksi
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	24 Mar 2023 01:59
Last Modified:	24 Mar 2023 01:59
URI:	http://repository.mercubuana.ac.id/id/eprint/75362

Actions (login required)

View Item