Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Innovative: Journal Of Social Science Research

Penerapan Sistem Informasi Geografis Dengan Tools Qgis Dalam Pemetaan Penurunan Lahan Pertanian Kabupaten Karawang (Studi Kasus Kabupaten Karawang) Rangga Nur Baehaqi; Agung Susilo Yuda Irawan; Didi Juardi
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.2942

Abstract

Sektor pertanian merupakan komponen ekonomi nasional yang sangat strategis dan penting, karena menghasilkan sebagian besar dari produk domestik bruto negara, memberikan sebagian besar pendapatan ekspor dan mempekerjakan jutaan orang. Kabupaten Karawang mendapatkan julukan “Lumbung Padi Nasional” dikarenakan Kabupaten Karawang menjadi penyuplai beras terbesar di Jawa Barat, dimana pendapatan terbesar setelah Indramayu. Selain itu, karakteristik fisik yang sangat cocok untuk menanam padi dan mayoritas lahan di Kabupaten Karawang yaitu persawahan-persawahan yang produktif. Luas daerah Kabupaten Karawang seluas 175.259 ha dilengkapi uraian sebagai berikut, yaitu tanah sawah sebesar 95.287 ha. Lahan pertanian bukan sawah sebanyak 38.805 ha, dan Lahan bukan pertanian sebanyak 41.167 ha (Badan Pusat Statistik, 2019). Bukan hanya padi Karawang juga menjadi salah satu kabupaten yang terkenal dalam pertanian biji kopi dan pertanian buah-buahan, pertanian itu semua juga didukung dengan lahan pertanian di Kabupaten Karawang yang cukup luas. Akan tetapi beberapa tahun belakangan ini luas areal lahan pertanian di Kabupaten Karawang semakin menurun karena adanya perubahan lahan. Untuk mengatasi masalah ini, perlu dilakukan upaya untuk mengidentifikasi daerah-daerah yang rawan terkena penurunan lahan pertanian padi dengan cara melakukan observasi secara langsung. Untuk mengatasi masalah ini, perlu dilakukan upaya untuk mengidentifikasi daerah-daerah yang rawan terkena penurunan lahan pertanian padi dengan cara melakukan observasi secara langsung. Menurut hasil dari pemetaan dengan QGIS dihasilkan dengan rumus interval kelas, dapat disimpulkan bahwa 30 kecamatan terbagi menjadi 6 banyak kelas dan 138 dalam interval kelas. 15 kecamatan kelas 1, 6 kecamatan kelas 2, 3 kecamatan kelas 3, 2 kecamatan kelas 4,1 kecamatan kelas 5, 3 kecamatan kelas 6. Dari 6 kelas tersebut dibuatkan 6 kategori yaitu sangat rendah, rendah, sedang, siaga, tinggi, sangat tinggi. Hasil pemetaan sendiri di uji dengan metode SUS yang mana data di dapatkan dari penyebaran kuesioner kepada masyarakat karawang, didapatkan data sebesar 30 data responden yang mengisi kuesioner, lalu pengujian dilakukan dengan menerapkan rumus pertanyaan ganjil di kurangi 1 dan pertanyaan genap 5- angka dipertanyaan ganjil. Dan menghasilkan jumlah rata-rata 62. Sesuai dengan grade scale hasil pengujian ini berada pada grade D dengan rentang angka 60 sampai 70.
Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan Tingkat Vaksinasi Pada Kecamatan Tambun Selatan Anissa Aidha Zulyani; Agung Susilo Yuda Irawan; Asep Jamaludin
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.2946

Abstract

Berdasarkan penduduk yang sudah wajib di vaksin, total pencapaian sasaran penyebaran vaksinasi COVID-19 belum memenuhi target yang ditentukan. Penelitian ini bertujuan melakukan analisis k-means clustering terhadap penyebaran vaksinasi COVID-19 di kecamatan Tambun Selatan dengan variabel Vaksin 1, Vaksin 2, dan Vaksin 3. Menggunakan metode KDD dalam proses algoritma k-means dan dalam pengolahan data dibantu oleh tools Rstudio. Hasil clustering terbaik dengan fungsi scale dengan nilai variance 77,9%, serta melakukan evaluasi dengan hasil clustering terbaik dengan fungsi scale dengan validitas connectivity = 0,9111, validitas dunn = 0.2393, dan validitas silhouette = 0.6205. Hasil clustering menggunakan K = 3 menghasilkan cluster 1 = 20 RW dengan kategori pemerataan sangat merata, cluster 2 = 45 RW dengan kategori pemerataan sedang, cluster 3 = 115 RW dengan kategori pemerataan tidak merata.