JOINT (Journal of Information Technolog.
Vol.
02 No 02 Agustus 2020, pp.
ISSN: 2527-9467/.
ISSN: 2656-7539 Sistem Informasi Pengklasifikasian Hasil Produksi Teh Menggunakan Metode K-Means Umi HayatiA.
Arsya Mutia KarunianiA STMIK AuAMIK BANDUNGAy haya41@gmail.
comA, arsya.
mutia@gmail.
Intisari - Sistem informasi untuk pengklasifikasian dibutuhkan oleh sebuah perusahaan yang memproduksi suatu barang.
Tujuan penggunaan sistem informasi pengklasifikasian adalah untuk memudahkan didapatkanya hasil produksi secara tepat.
Permasalahan yang dihadapi secara spesifik yaitu ketika bahan baku datang, kemudian ditimbang, bahan baku tersebut tidak dapat dihitung secara tepat berapa jumlah bubuk teh yang dihasilkan sesuai dengan standar kualitas PTPN Vi, sehingga hanya dapat dikira-kira saja.
Untuk itu dirancang sebuah sistem informasi, di mana sistem ini dapat menentukan jumlah bubuk teh yang dihasilkan oleh PTPN Vi.
Sistem infomasi yang dimaksud adalah sistem informasi yang menggunakan metode K-Means.
Cara kerja K-Means adalah memperhitungkan sejumlah data yang didapat dari penelitian.
Data tersebut diolah dengan cara mengklasterkan data awal menjadi 2 klaster.
Percobaan dilakukan dengan mengolah 90 data.
Hasil pengolahan dihasilkan 2 klaster, yaitu klaster 1 dengan kriteria berat daun teh basah rata-rata dikisaran 307.
867 ton s.
761 ton, setelah diolah menggunakan metode K-Means menghasilkan bubuk teh seberat rata-rata 277.
080 ton s.
885 ton dengan menggunakan suhu 100oC s.
menghasilkan kepekatan warna yang rendah.
Klaster 2 dengan kriteria berat daun teh basah rata-rata 876 ton s.
246 ton, setelah diolah menggunakan metode K-Means menghasilkan bubuk teh seberat rata-rata 162.
788 ton s.
621 ton dengan suhu 250oC s.
350oC dan menghasilkan teh yang lebih pekat.
Dengan demikian dapat disimpulkan bahwa penggunaan sistem informasi untuk pengklasifikasian hasil produksi teh dengan menggunakan metode K-Means sangat baik.
Kata Kunci : K-Means, klaster.
Kuantitas, berat teh basah, berat bubuk teh, suhu, warna.
Abstrack -Information systems for classification are needed by a company that produces an item.
The purpose of using a classification information system is to make it easier to obtain accurate production results.
The specific problem faced is that when the raw materials arrive, then weigh them, the raw materials cannot be calculated exactly how much tea powder is produced in accordance with the quality standards of PTPN Vi, so it can only be estimated.
For this reason, an information system was designed, in which this system could determine the amount of tea powder produced by PTPN Vi.
The information system in question is an information system that uses the K-Means method.
The way K-Means works is to take into account a number of data obtained from research.
The data is processed by clustering the initial data into 2 clusters.
The experiment was carried out by processing 90 data.
The results of the processing resulted in 2 clusters, namely cluster 1 with the criteria for the average weight of wet tea leaves in the range of 307,867 tons up to 658,761 tons, after being processed using the K-Means method, it produces tea powder weighing an average of 277,080 tons to up to 277,080 tons.
592,885 tonnes using a temperature of 100AC s.
250AC results in low color density.
Cluster 2 with criteria for the average weight of wet tea leaves is 180,876 tons to s.
246,246 tons, after being processed using the K-Means method, it produces tea powder weighing an average of 162,788 tons up to.
221,621 tons with a temperature of 250AC to.
350AC and produces a more concentrated tea.
Thus, it can be concluded that the use of information systems for the classification of tea production using the K-Means method is very good.
Keywords: K-Means, cluster, quantity, weight of wet tea, weight of tea powder, temperature, color.
Umi H.
: Sistem Informasi Pengklasifikasian Hasil Produksi A PENDAHULUAN Keberhasilan perusahaan dalam menghasilkan produk tidak hanya terlihat dari segi kualitas SDM, sarana dan prasarana yang tersedia, tetapi juga dari teknologi yang digunakan, karena saat ini teknologipun berperan penting dalam keberhasilan sebuah perusahaan.
PT Perkebunan Nusantara Vi, disingkat PTPN Vi, adalah Badan Usaha Milik Negara yang bergerak di bidang perkebunan teh, karet, kina, kakao, dan kelapa.
Kantor pusat perusahaan berada di Bandung dengan wilayah operasi di Jawa Barat, sedangkan untuk perkebunan tehnya terletak di desa Ciater Jalan Cagak.
Kabupaten Subang.
Jawa Barat dengan ketinggian A1.
100 di atas permukaan laut.
Tanaman perkebunan merupakan salah satu komoditas yang bisa diandalkan sebagai sentra bisnis yang menggiurkan.
Terlebih produk cukup ramai permintaannya, baik di pasar dalam negeri maupun luar negeri.
Selain itu harga jual yang tinggi membuat perkebunan menjadi penyumbang devisa negara yang cukup besar.
Saat ini sudah ada banyak komoditas jenis perkebunan yang cukup potensial, salah satunya adalah teh,.
PTPN Vi saat ini masih belum menerapkan penggunaan teknologi untuk mengolah dan menyimpan data yang sifatnya permanen dan penting.
Sehingga permasalahan yang ditemui adalah ketika bahan baku datang, kemudian ditimbang dan dijumlahkan, bahan baku tersebut tidak dapat dihitung secara tepat berapa jumlah bubuk teh yang dihasilkan sesuai dengan standar kualitas yg ditetapkan, sehingga hanya dapat dilakukan secara perkiraan saja.
Untuk itu diperlukan pengelolaan yang tepat, hal ini dapat dilakukan salah satunya melalui perancangan sistem informasi khususnya pengelolaan pengklasifikasian hasil teh dengan memanfaatkan metoda K-Means.
II.
LANDASAN TEORI
Sistem Sistem adalah suatu kumpulan objek atau unsur-unsur atau bagian-bagian yang memiliki arti berbeda-beda yang saling memiliki hubungan, saling bekerja sama dan saling memengaruhi satu sama lain serta memiliki keterikatan pada rencana yang sama dalam suatu tujuan tertentu pada lingkungan yang kompleks .
Manfaat /mengintegrasikan semua unsur yang ada dalam suatu ruang lingkup, di mana komponen-komponen tersebut tidak dapat berdiri sendiri.
Komponen atau subsistem harus saling berintegrasi dan saling berhubungan untuk membentuk satu kesatuan sehingga sasaran dan tujuan sistem tersebut dapat tercapai .
Informasi Informasi adalah sekumpulan fakta-fakta yang telah diolah menjadi bentuk data, sehingga dapat menjadi lebih berguna dan dapat digunakan oleh siapa saja yang membutuhkan data-data tersebut sebagai pengetahuan Informasi bisa dikatakan sebagai pengetahuan yang didapatkan dari belajar, pengalaman atau instruksi.
Dalam ilmu komputer, informasi adalah data yang disimpan, diproses atau ditransmisikan.
Para ahli meneliti konsep informasi tersebut sebagai pengetahuan yang didapatkan dari pembelajaran, pengalaman maupun instruksi .
Sistem Informasi Sistem Informasi adalah suatu sistem yang terdiri dari kumpulan komponen sistem, yaitu software, hardware dan brainware yang memproses informasi menjadi sebuah output yang berguna untuk mencapai suatu tujuan tertentu dalam suatu organisasi .
K-Means K-Means merupakan salah satu algoritma clustering.
Tujuan algoritma ini yaitu untuk membagi data menjadi beberapa kelompok.
Algoritma ini menerima masukan berupa data tanpa label kelas.
Pada algoritma, komputer mengelompokkan sendiri data-data yang menjadi masukan tanpa mengetahui terlebih dulu target kelasnya .
Algoritma ini termasuk dalam unsupervised learning.
Masukan yang diterima adalah data atau objek dan k buah kelompok .
Algoritma mengelompokkan data atau objek ke dalam k buah kelompok Pada setiap cluster terdapat titik pusat .
yang merepresentasikan cluster tersebut .
Algoritma untuk melakukan K-Means Clustering Pilih k buah titik centroid secara acak Kelompokkan data sehingga terbentuk k buah cluster dengan titik centroid dari setiap cluster merupakan titik centroid yang telah dipilih sebelumnya Perbaharui nilai titik centroid Ulangi langkah 2 dan 3 sampai nilai dari titik centroid tidak lagi berubah .
Proses suatu cluster dapat dilakukan dengan cara menghitung jarak terdekat dari suatu data ke sebuah titik centroid.
Pembaharuan suatu titik centroid dapat dilakukan dengan rumus berikut :
AA.
(I)
Di mana:
AAk = titik centroid dari cluster ke-K Nk = banyaknya data pada cluster ke-K xq = data ke-q pada cluster ke-K i.
METODOLOGI PENELITIAN
Untuk mendukung penelitian, digunakan algoritma KMeans.
Tujuan yang diharapkan adalah kemudahan dalam menentukan berapa jumlah hasil daun teh basah menjadi bubuk teh jadi, dengan batasan:
Input: Jumlah data diambil selama 3 bulan dengan memiliki data sebanyak 90 data.
Memiliki 4 variabel, berupa berat daun teh basah, berat bubuk teh jadi, suhu, dan kepekatan warna.
JOINT (Journal of Information Technolog.
Proses: Pemograman menggunakan bahasa PHP (Hypertext Preprocesso.
Output: Hasil jumlah bubuk teh dengan kepekatan rendah dan bubuk teh jadi dengan kepekatan tinggi.
Vol 02 No 02.
Agustus 2020 kepekatan warna untuk dapat melakukan sampling data.
Adapun data yang sudah digabungkan adalah:
Tabel 1.
Data Sampling Dalam mengembangkan sistem yang akan dirancang, digunakan metode SDLC.
Metode SDLC (System Development Life Cycl.
atau Siklus Hidup Pengembangan Sistem adalah proses pembuatan dan pengubahan sistem serta model dan metodelogi yang digunakan untuk mengembangkan sistem tersebut.
Berikut tahapan metode SDLC: .
Gambar 1 Metode SDLC Perencanaan Sistem, lebih menekankan pada aspek studi kelayakan pengembangan sistem .
easibility stud.
Penentuan prioritas teknologi dan pemilihan aplikasi.
Analisis Sistem, tahap di mana dilakukan beberapa aktivitas dari melakukan studi literatur mendefinisikan kebutuhan sistem.
Perancangan Sistem, tahap ini, features dan operasioperasi pada sistem dideskripsikan secara detail, dari Menganalisa sam pai merancang user interface.
Implementasi Sistem, mengimplementasikan rancangan dari tahap-tahap sebelumnya dan melakukan uji coba.
Pemeliharaan Sistem, dilakukan oleh admin yang ditunjuk untuk menjaga sistem tetap mampu beroperasi secara benar melalui kemampuan sistem dalam mengadaptasikan diri sesuai dengan kebutuhan.
Untuk memperkuat analisis, dilakukan pendekatan dalam usaha untuk memecahkan permasalahan yang ada dengan menggunnakan beberapa metode Observasi.
Wawancara dan Studi Literatur.
II.
HASIL PENELITIAN
Proses Data Mining Tahapan yang dilakukan untuk melakukan K-means dalam proses Data Mining: .
Pembersihan Data .
ntuk membuang data yang tidak konsisten dan nois.
Dalam tahap ini dilakukan seleksi data, membuang data-data yang memiliki nilai yang Hal ini lakukan untuk mengambil sample dari data yang diperoleh.
Integrasi data .
enggabungan data dari beberapa Dalam tahap ini dilakukan penggabungan data.
Data yang digabungkan adalah data hasil kebun .
aun teh basa.
, data hasil pabrik .
ubuk teh jad.
, suhu, dan juga Transformasi data .
ata diubah menjadi bentuk yang sesuai untuk di minnin.
Pada tahap ini dilakukan tahap awal untuk klastering.
Merubah data awal menjadi data yang sesuai untuk data mining maka dibuat centroid awal dan beberapa perhitungan yang sesuai dengan rumus data Ketika menentukan centroid awal dilakukan secara Karena memiliki 4 variabel dan mempunyai 3 proses disetiap variabel maka ketika menentukan centroid pun harus memiliki 12 proses.
proses 1 .
ntuk hasil daun teh basa.
: CK1.
CK2.
CK3 | proses 2 .
ntuk hasil bubuk te.
CU1.
CU2.
CU3 | proses 3 .
ntuk penentuan suh.
| proses 4 .
ntuk perhitungan warn.
: CW1.
CW2.
CW.
yang berbeda karena setiap 1 proses memiliki 3 centroid yang Ketika sudah menentukan centroid maka harus ada perhitungannya kembali.
Dengan rumus:
Membuat perhitungan dan dinamai dengan JC1.
JC2 dan JC3 .
ni untuk menghitung hasil kebun yang dihitung dengan centroi.
Membuat perhitungan dan dinamai dengan JU1.
JU2, dan JU3 .
ni untuk menghitung hasil pabrik yang dihitung dengan centroi.
Membuat perhitungan dan dinamai dengan JS1.
JS2, dan JUS .
ni untuk menghitung suhu dengan centroi.
Membuat perhitungan dan dinamai dengan JW1.
JW2, dan JW3 .
ni untuk menghitung kepekatan warn.
Jika tahap di atas sudah dilakukan maka selanjutnya hitung untuk penentuan cluster dengan table C1.
C2.
C3, dan C4 Jika sudah ada hasilnya, lalu tentukan jumlah minimalnya dengan rumus MIN (C1:C.
Tahap terakhir menemukan jumlah data pada klaster, dengan rumus Jika .
umlah MIN = jumlah MIN, 1,.
Dari tahapan tersebut maka hasil yang didapat Umi H.
: Sistem Informasi Pengklasifikasian Hasil Produksi A Tabel 2.
Data awal yang sudah ada klasternya Perubahan posisi klaster pada iterasi 1 dan 7 sebagai berikut:
Perubahan posisi pada Iterasi Kesatu Tabel 3.
Posisi Klaster pada Iterasi Satu Aplikasi teknik Data Mining dan proses ekstraksi pola dari data yang ada.
Pada tahap ini dilakukan tahap iterasi 1, dengan menentukan titik centroidnya dimana sudah dapat dihitung berdasarkan klaster awal yang sudah ada.
Cara menghitung untuk menentukan centroid baru melihat dari jumlah data sesuai pada klasternya masing-masing.
Ada pun rumusnya sebagai berikut :
Perubahan posisi pada Iterasi Ketujuh:
Tabel 4.
Posisi Klaster pada Iterasi ke Tujuh Centroid hasil kebun (CK.
= .
967 180876 180011
/ 4
Centroid hasil kebun (CK.
= .
833 201681 220285
/ 5
Centroid hasil kebun (CK.
= .
867 309867 658761
/ 5
Centroid hasil pabrik (CK.
= .
70 162788 162010
/ 4
Centroid hasil pabrik (CK.
= .
550 181513 198257
/ 5
Centroid hasil pabrik (CK.
= .
080 278880 592885
/ 5
Centroid hasil suhu (CK.
= .
4 8 .
/4 Centroid hasil suhu (CK.
= .
4 2 4 .
/5 Centroid hasil suhu (CK.
= .
8 2 8 .
/5 Centroid hasil warna (CK.
= .
6 9 .
/4 Centroid hasil warna (CK.
= .
6 3 6 .
/5 Centroid hasil warna (CK.
= .
9 9 3 .
/5 Presentasi pengetahuan .
engan teknik visualisas.
, melakukan percobaan pada sampling 14 data maka terdapat 2 klaster dengan jumlah data pada klaster 1 terdapat 5 data dan klaster 2 terdapat 9 data dengan perbandingan sebagai berikut:
Tabel 5.
Hasil Iterasi pada Data Sampling Klaster 1 Jika telah diketahui semua jumlah centroidnya maka hitung tahapan sesui rumus yang sudah ada ditahap awal.
Ulangi tahap ini sehingga menemukan posisi klaster yang tidak berubah.
Evaluasi pola yang ditemukan .
roses interprestasi pola menjadi pengetahuan yang dapat digunakan untuk mendukung pengambilan keputusa.
Pada tahap ini menemukan titik posisi klaster yang tidak berubah.
Posisi klaster yang tidak berubah terjadi pada iterasi ke 7.
JOINT (Journal of Information Technolog.
Vol 02 No 02.
Agustus 2020 Tabel 6.
Hasil Iterasi pada Data Sampling Klaster 2 Gambar 2.
Tampilan PHPMyAdmin Setelah melakukan implementasi terhadap 90 data maka dapat terlihat perbedaannya sebagai berikut :
Tabel 7.
Hasil pada Klaster 1 Buat database dengan nama AuklasterAy.
Di dalam database tersebut dibuatlah 3 tabel atau structure dengan nama:
C akun_login.
Berfungsi untuk mensingkronkan antara database dan juga syntax yang akan dibuat nantinya dan akan memunculkan tampilan pada aplikasi sesuai yang sudah dirancang.
Di dalam structure akun_login terdapat 3 data .
d, username.
C produksi C rekap_produksi.
Tabel 8.
Hasil pada Klaster 2
VALIDASI HASIL
Hasil penelitian yang sudah dilakukan selanjutnya diimplementasikan kepada sistem.
Berikut langkah- langkah dan hasil validasi atau hasil program yang dibuat:
Tahap Pertama.
Pada tahap ini dilakukan penginstalan xampp agar membantu dalam tahap pembuatan aplikasi.
Merunning apache dan mysql.
Contoh tampilannya dapat dilihat setelah di Runing:
Gambar 4.
Tampilan Database yang sudah dibuat Tahap Kedua.
Membuat tampilan atau biasa disebut css.
Untuk css sendiri bisa didownload.
Untuk file ini bisa disimpan dengan nama : index.
Gambar 3.
Tampilan XAMPP Gambar 5.
Rancangan Tampilan Aplikasi Buka database atau phpmyadmin dengan membuka mozila atau google chrome dengan address :
localhost/phpmyadmin/ Membuat file menu login agar terkoneksi ke dalam database untuk login.
File ini disimpan dengan nama : proses_login.
Umi H.
: Sistem Informasi Pengklasifikasian Hasil Produksi A Hasil-hasil yang sudah dilakukan pada akhirnya diimplementasikan kepada sistem dengan perbandingan klaster sebagai berikut:
Gambar 6.
Syntax Proses Login Tampilan login Admin dan Pengawas Gambar 9.
Grafik Perbandingan Klaster IV.
PENGUJIAN
Gambar 7.
Tampilan Login Admin dan Pengawas Tahap Ketiga Tampilan Data Untuk Tabel Produksi dan Rekap Produksi.
Setelah melakukan analisis dan perancangan terhadap sistem, baik sistem yang berjalan maupun sistem usulan maka dilakukan langkah selanjutnya yaitu tahap implementasi sistem.
Implementasi sistem akan mengubah bentuk dari analisis maupun perancangan berubah bentuk menjadi Bahasa Pemograman.
Setelah melakukan tahap implementasi maka dilakukan tahap pengujian terhadap sistem yang baru dan akan dilihat kekurangan-kekurangan pada aplikasi yang baru untuk pengembangan sistem Hasil dari implementasi kemudian akan diuji kebenarannya melalui tahapan-tahapan pengujian yang telah Black Box Testing merupakan pengujian terhadap sistem tentang cara operasinya apakah sudah berjalan sebagaimana yang diharapkan atau sebaliknya.
Cara ini dilakukan dengan menjalankan dan mengeksekusi tiap modul kemudian dilakukan pengamatan pada hasil proses tersebut.
Berikut hasil pengujian black box dari sistem yang dibuat.
Tabel 9.
Identifikasi Pengujian Sistem Informasi Gambar 8.
Tampilan Data untuk Tabel Produksi dan Rekap Produksi JOINT (Journal of Information Technolog.
Vol 02 No 02.
Agustus 2020
KESIMPULAN
Berdasarkan hasil penelitian serta pembahasan dan implementasi aplikasi yang dibuat dapat ditarik Metode K-Means dapat digunakan dalam penentuan klaster/hasil dari kualitas teh.
Jumlah data pada klaster 1 yaitu 49 data dengan kriteria berat kebun rata-rata 307.
867 s.
761 dan berat pabrik rata-rata 277.
080 s.
884 dengan suhu 100oC 150oC menunjukkan kepekatan warna yang rendah.
Jumlah data pada klaster 1 yaitu 49 data dengan kriteria berat kebun rata-rata di 108.
967 s.
080 dan berat pabrik rata-rata 98.
070 s.
372 dengan suhu 200oC 250oC menghasilkan kepekatan warna yang cukup i.
REFERENSI