Analisis Rumah Tidak Layak Huni Menggunakan Algoritma X-Means

Abstract

Tempat tinggal atau rumah merupakan kebutuhan masyarakat yang sangat mendasar bagi setiap orang selain sandang dan pangan. Rumah yang layak huni dapat diketahui dari struktur bangunan rumah dan fasilitas rumah yang ada. Struktur bangunan rumah meliputi luas lantai, jenis lantai, jenis atap, dan jenis dinding. Sedangkan fasilitas rumah meliputi sumber air minum, sumber penerangan, dan tempat pembuangan akhir kotoran. Dalam penelitian ini penulis akan melakukan pengelompokan rumah tidak layak huni dengan melihat struktur bangunan rumah dan fasilitas rumah yang dimiliki setiap rumah tangga di 4 wilayah yaitu: Batu layang, siantan hilir, siantan tengah dan siantan hulu. Salah satu metode yang dapat digunakan untuk pengelompokan rumah tidak layak huni adalah metode X-means clustering. karena merupakan salah satu penyempurnaan dari metode K-Means clustering. Adapun tahapan metode x-means terdiri dari dua langkah yang diulang sampai selesai. yaitu, 1) Tingkatkan-Params, pada langkah ini menerapkam algoritma k-means pada awalnya untuk k cluster hingga konvergensi. Dimana k sama dengan batas bawah yang disediakan oleh pengguna.2) Perbaiki Struktur, langkah perbaikan struktur ini dimulai dengan memecah setiap pusat cluster menjadi dua anak dalam arah yang berlawanan di sepanjang vektor yang dipilih secara acak. Setelah itu menjalankan k-means secara lokal di dalam setiap cluster untuk dua cluster. Keputusan masing-masing pusat cluster sendiri dengan membandingkan nilai-nilai Bayesian Information Criterion (BIC). 3) Jika K > = kmax (batas atas) berhenti dan laporkan ke model penilaian terbaik yang ditemukan selama penarian, jika tidak pergi ke langkah 1. Penelitian ini bertujuan untuk menggali informasi dalam memetakan atau mengelompokan rumah tidak layak huni menggunakan algoritma x-means menjadi beberapa cluster serta untuk mengetahui nilai akurasi terbaik dari hasil uji Davies Bouldin Index (DBI). Hasil yang pengelompokan menggunakan x-means diperoleh terbaik sebanyak 2 cluster, yaitu cluster 0 sebanyak 931 item dan cluster 1 sebanyak 444 item serta Nilai Davies Bouldin Index yang dihasilkan dari algoritma x-means ini sebesar 2,079. Dengan menghitung jarak antara rata-rata cluster diperoleh bahwa cluster 0 merupakan kelompok terbaik dengan jarak terdekat sebesar 9,728.