Analisis Respon Emosi Marah Wanita Jawa Dengan Algoritma K-Means Clustering Aulia Zahra Musthafawi1, Ulla Delfana Rosiani2, Yoppy Yunhasnawa3
Adi Atmoko Bimbingan Konseling Universitas Negeri Malang Malang, Indonesia
[email protected]
Jurusan Teknologi Informasi Politeknik Negeri Malang Malang, Indonesia 1
[email protected],
[email protected], 3
[email protected]
Abstrak— Dalam budaya jawa, wanita jawa memiliki ciri khas dalam sikap dan tingkah lakunya yang berbeda dengan suku lainnya. Kebanyakan wanita jawa diketahui memiliki semacam ‘kode etik’ yang memaksa mereka untuk tidak menunjukkan kemarahannya didepan umum. Mereka seolah dapat menerima segala situasi dan terkenal paling lihai dalam menyembunyikan kemarahan. Oleh karena itu banyak yang tidak mengetahui kapan dan bagaimana wanita jawa tersebut marah. Penelitian ini ditujukan untuk mengetahui aspek apa saja yang menjadi pemicu wanita jawa tersebut marah berdasarkan kelompok tingkat kemarahan. Pengelompokkan tingkat kemarahan menggunakan clustering akan dibagi menjadi 3. Pendukung sistem yang dibuat adalah data yang yang diperoleh dari kuisioner yang disebarkan kepada responden dari beberapa daerah yaitu Blitar (27 orang), Sidoarjo (29 orang), Pasuruan (16 orang), Situbondo (21 orang) dan Gresik (14 orang) yang kemudian dikelompokkan menggunakan metode K-Means Clustering. Tingkat keakurasian yang didapatkan pada sisitem ini adalah 96.6%. Dari hasil uji keakurasian yang menghasilkan 3 cluster tersebut didapatkan presentase, cluster 1 sebesar 100%, cluster2 sebesar 100% dan cluster 3 sebesar 90%. Kata Kunci—wanita jawa; emosi marah; K-Means Clustering
I. PENDAHULUAN Negara Indonesia kaya suku dan budaya, salah datu daerah yang di Indonesia yang merupakan suku terbesar adalah Jawa. Dalam budaya jawa wanita merupakan bagian dari ciri khas, karena secara garis besar wanita jawa memiliki sifat dasar penurut, setia, lembut, menjunjung tinggi nilai keluarga, mampu mengerti dan memahami orang lain dan sopan. Hal ini bisa dilihat dari bagaimana sikap mereka menghargai suami, tidak banyak menuntut dan mematuhi suami [1]. Seorang wanita jawa dapat menerima segala situasi bahkan terpahit sekaligus. Mereka paling pintar memendam penderitaan dan pintar pula memaknainya. Mereka kuat dan tahan menderita, meskipun kelakuan suami sudah keterlaluan, istri masih tetap menghormati dan menghargainya terutama di depan publik. Tak hanya suami yang dapat mempengaruhi kemarahan seorang wanita jawa, dalam budaya Jawa kemarahan seorang wanita jawa dapat dipengaruhi oleh lingkungannya yaitu suami, anak, orang tua, saudara,
pekerjaan dan lain-lain. Hal ini juga dapat menunjukkan bahwa wanita jawa dapat memiliki ketahanan emosi yang luar biasa untuk menahan gejolak emosinya meskipun jelas ia mereka mengalami kemarahan dan kekecewaan yang luar biasa. Bagi orang Jawa khususnya wanita, tidak sepantasnya menunjukkan emosi secara berlebihan, apa lagi menunjukkan konflik [2]. Dari berbagai penyebab kemarahan wanita jawa tersebut tentunya setiap individu berbeda tergantung kondisi dan lingkungan disekitar yang mempengaruhinya. Aspek pertama yang mempengaruhi kemarahan wanita adalah suami, wanita sering marah dengan suaminya sendiri dengan berbagai alasan, sebagai contoh wanita marah karena suami tidak mampu memenuhi kebutuhan istri selain itu disaat istri sedang lelah juga dapat menjadi penyebab marahnya wanita kepada suami. Aspek yang kedua adalah anak, wanita yang sudah berkeluarga sebagian besar sangat dekat dengan kehadiran seorang anak. Kebanyakan mereka menjadikan anak sebagai semangat dalam menjalankan segala aktivitas. Namun akibat banyaknya tekanan hidup yang terus bertambah anak bisa jadi pelampiasan kemarahan, tak hanya itu seorang wanita yang menjadi ibu jika sangat mengkhawatirkan perkembangan anak juga terkadang sangat sensitif dan berakhir pada kemarahan. Aspek ketiga adalah orang tua, wanita jawa terkenal dengan sopan santunnya tentu sangat menghormati orang tua, tapi terkadang karena adanya masalah atau sesuatu yang tidak sesuai akan menjadi penyebab kemarahan. Aspek keempat adalah aspek saudara, seorang wanita sering sekali tidak cocok dengan saudara karena mereka menganggap tidak dihargai atau ingin mengambil perhatian orang tua. Aspek kelima adalah aspek pekerjaan, kemarahan pada aspek ini rata-rata disebabkan tidak cocok dengan lingkungan kerja, banyaknya pekerjaan atau pekerjaan yang mengganggu waktu dengan keluarga. Berdasarkan uraian tersebut, maka dapat diambil kesimpulan bahwa kemarahan dapat disebabkan oleh gangguan untuk melakukan aktivitas dan pencapaian tujuan, Selain itu kemarahan juga dapat disebabkan oleh ancaman fisik dan kebiasaan atau ucapan dan orang lain yang menyebabkan psichological insultment. Hal ini juga
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-33
ISSN: 1907 – 5022
disebabkan oleh kesalahan seseorang dalam memenuhi harapan [3]. Penelitian ini dilakukan untuk mengetahui respon emosi marah wanita jawa menggunakan teknik clustering pada data yang didapat dari kuisioner. Teknik clustering digunakan untuk melakukan pengelompokkan untuk mengetahui dimana letak data tersebut berada dalam cluster. Pada penelitian ini kelompok cluster dibagi menjadi 3. Selanjunya cluster tersebut dianalisa untuk mengetahui aspek apa saja yang menjadi memicu kemarahan dalam kelompok cluster tersebut. II. LANDASAN TEORI A. Clustering Clustering merupakan proses partisi satu set objek data ke dalam himpunan bagian yang disebut dengan cluster. Objek yang didalam cluster memiliki kemiripan karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain. partisi tidak dilakukan secara manual melainkan dengan suatu algoritma clustering. Clustering bertujuan mengelompokan sejumlah data atau obyek ke dalam cluster (group) sehingga dalam setiap cluster memiliki tingkat kemiripan yang maksimum. Metode clustering berusaha untuk menempatkan obyek yang mirip (jaraknya dekat) dalam satu cluster dan membuat jarak antar cluster memiliki kemiripan yang maksimum. Ini berarti obyek dalam satu cluster sangat mirip satu sama lain dan berbeda dengan obyek dalam clustercluster yang lain. Oleh karena itu, clustering sangat berguna dan bisa menemukan group atau kelompok yang tidak dikenal dalam data [4]. B. Analisis Clustering Analisis clustering atau biasa disebut analisis kelompok merupakan salah satu teknik statistika yang bertujuan untuk mengelompokkan objek ke dalam suatu kelompok sehingga objek yang berada dalam satu kelompok akan memiliki kesamaan atau kemiripan sifat antar objek. Proses dari analisis kelompok adalah pengelompokkan data yang dilakukan dengan dua macam metode yaitu metode hierarki dan metode nonhierarki. Pada metode nonhierarki telah ditentukan jumlah kelompok terlebih dahulu. Sedangkan metode hierarki digunakan bila jumlah kelompok ditentukan berdasarkan hasil analisis. Tujuan dari pengelompokkan sekumpulan data objek ke dalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapat dibedakan satu sama lainnya adalah untuk analisis dan interpretasi lebih lanhut sesuai dengan tujuan penelitian yang dilakukan [5]. C. Respon Emosi Menurut Ekman (2008) menjelaskan bahawa pada dasarnya tubuh manusia terus memonitor dunia melalui mekanisme penelitian otomatis, mendeteksi terjadinya sesuatu yang penting bagi kesejarteraan manusis. Ketika sebuah bahaya tiba-tiba terjadi maka tubuh akan menanggapinya secara otomatis bahkan tanpa disadari prosesnya. Tanggapan ini disebut sebagai respon emosi. Respon emosi mengacu pada reaksi yang seketika umumnya merupakan proses tidak disadari, ketika seseroang menilai stimuli sebagai sesuatu yang menyimpang, tidak sesuai, tidak berbahaya atau justru mengancam [6].
Terdapat pembagian jenis emosi yaitu respon emosi positif (emosi yang menyenangkan) dan respon negatif (emosi yang tidak menyenangkan). Respon emosi positif merupakan emosi yang menimbulkan perasaan positif pada orang yang mengalaminya yakni dampak yang menyenangkan dan menenangkan. Mcam dari emosi positif ini adalah cinta, sayang, senang, gembira, kagum dan sebagainya. Sedangkan emosi negatif merupakan emosi yang menimbulkan perasaan negatif pada orang yang mengalaminya yakni dampaknya tidak menyenangkan dan menyusahkan diantaranya sedih, marah, benci, takut dan sebagainya. Biasanya kita menghindari dan berusaha menghilangkan emosi negatif. Adakalanya kita mampu mengendalikannya, tetapi adakalanya kita gagal melakukannya. Ketiga gagal mengendalikan atau menyeimbangkan emosi negatif ini maka ketika itu keadaan suasana hati kita menjadi buruk [7]. D. Metode K-Means Clustering K-Means merupakan metode pengklaster secara partitioning yang memisahkan data ke dalam kelompok yang berbeda. Dengan partitioning secara iteratif, K-Means mampu meminimalkan rata-rata jarak setiap data ke klasternya. Dalam algoritam K-Means, setiap data harus termasuk cluster tertentu pada suatu tahapan proses, pada tahapan proses berikutnya dapat berpindah ke cluster yang lain. Pada dasarnya penggunaan algoritma K-Means dalam melakukan proses clsutering tergantung dari data yang akan dan ada konklusi yang ingin dicapai. Algoritma K-Means pada awalnya mengambil sebagian dari banyaknya komponene dari populasi untuk dijadikan pusat cluster awal. Pada step ini pusat cluster dipilik secara acak dari sekumpulan populasi data. Berikutnya K-Means menguji masing-masing komponen tersebut ke salah satu pusat cluster uang telah didefinisikan tergantung dari jarak minimum antar komponen dengan tiap-tiap cluster. Posisi pusat cluster akan dihitung kembali sampai semua komponen data dogolongkan kedalam tiap-tiap cluster dan terakhir akan terbentuk posisi cluster baru. Algoritma K-Means pada dasarnya melakukan dua proses yakni proses pendeteksian lokasi pusat cluster danproses pencarian anggota dari tiap-tiap cluster. Proses clsutering dimulai dengan mengidentifikasi data yang akan dicluster Xij (i=1,....,n; j=1,...,m) dengan n adalah jumlah data yang akan dicluster dan m jumlah variabel. Pada awal iterasi, pusat setiap cluster ditetapkan secara bebas, Ckj (k=1,....,n; j=1,...,m). Kemudian dihitung jarak antara setiap data dengan pusat cluster ke-k (ck), diberi nama (dik), dapat digunakan formula Euclidean. Suatu data akan menjadi anggota dari cluster ke-k bernilai paling kecil jika dibandingkan dengan jarak ke pusat cluster lain [8]. Proses dasar algoritma K-Means antara lain
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-34
a.
Tentukan k sebagai jumlah cluster yang ingin dibentuk. Tetapkan pusat cluster
b.
Hitung jarak setiap data ke menggunakan persamaan Euclidean
pusat
cluster
(1)
ISSN: 1907 – 5022
c.
Kelompokkan data ke dalam cluster yang dengan jarak yang paling pendek menggunakan persamaan
(2) d.
Hitung pusat cluster yang baru digunakan persamaan (3)
Gambar 1. Metode Waterfall
(4)
C. Data Komponen yang diperlukan untuk melakukan penelitian ini salah satunya adalah data. Dalam penelitian ini data yang digunakan berupa kuesioner yang merangkum 49 pertanyaan yang terbagi dalam 5 aspek. Kelima aspek tersebut adalah aspek yang dianggap berperan dalam memicu emosi marah wanita, yaitu suami, anak, orang tua, saudara dan pekerjaan. Pertanyaan yang diajukan dalam kuesioner tersebut merupakan pertanyaan-pertanyaan yang sifatnya “memancing” emosi responden yang mengisi. Contohnya dalam aspek suami, salah satu pertanyaan berbunyi, “Jika suami Anda berjalan bersama wanita lain”, dalam aspek anak, “Jika anak Anda tidak naik kelas”, demikian juga dalam aspek-aspek lainnya. Pertanyaan-pertanyaan semacam ini diperlukan karena dalam penelitian ini penulis berusaha untuk mengetahui respon emosi yang sesungguhnya dari responden yang tidak lain adalah wanita jawa. Pertanyaan-pertanyaan pada kuesioner ini nantinya akan diisi oleh responden dengan sesuai dengan kondisi responden dengan pilihan jawaban yang tersedia, yaitu sangat marah, marah, agak marah, sedikit marah dan tidak marah.
Dimana P = banyaknya anggota cluster ke k e.
Ulangi langkah b sampai d hingga sudah tidak ada lagi data yang berpindah ke cluster yang lain
E. Penentuan Awal Pusat Cluster Pada K-Means Clustering tradisional penentuan awal pusat clustering dipilih secara acak. Padahal perhitungan pada metode K-Means Clustering ini sangat bergantung pada penetuan awal pusat cluster, kelemahannya hasil clustering akan terus berbeda ketika memulai perhitungan baru. Hal ini membuat penulis kesulitan dalam melakukan analisa. Oleh karena itu ada cara baru untuk menentukan pusat cluster yang lebih baik dibandingkan dengan penetuan secara acak [9]. Cara yang dilakukan adalah sebagai berikut. 1.
2.
3.
Hitung rata-rata dari seluruh data kemudian dari ratarata tersebut cara yang paling mendekati dengan ratarata jadikan sebagai pusat cluster pertama Untuk mendapatkan pusat cluster berikutnya dilakukan perhitungan euclidean distance terhadap pusat cluster pertama dan pilih yang jaraknya paling jauh Ulangi langkah 2 sampai menemukan pusat cluster sesuai dengan jumlah cluster yang ditentukan III. METODOLOGI PENELITIAN
A. Metode Pengumpulan Data Proses pengumpulan data yang dilakukan untuk memperoleh informasi yang diperoleh untuk tujuan penelitian. Data-data yang dibutuhkan adalah sebagai berikut. 1) Data Primer: Data Primer yang dibutuhkan dalam proses penelitian ini meliputi data respon yang diperoleh dari pengambilan data yang dilakukan dengan cara menyebarkan kuisioner pada responden yaitu wanita jawa. Kuisioner terdapat 49 pertanyaan yang dibagi atas 5 topik yaitu suami, anak, orang tua, saudara dan pekerjaan. 2) Data Sekunder: Data sekunder merupakan data yang didapat dari sumber lain selain di tempat penelitian dan masih ada kaitannya dengan penelitian yang biasa disebut dengan literature. B. Metode Pengembangan Sistem Pada penelitian ini, penulis menggunakan metode Waterfall. Metode ini menyediakan pendekaran alur hidup perangkat secara sekuensial atau terurut dimuali dari analisis, desain, pengodean, pengujian dan tahap pendukung
Pilihan jawaban tersebut memiliki nilai masing-masing yang akan diolah untuk proses clustering. Nilai dimulai dari angka 1 hingga 5 yang mendefinisikan 1 adalah nilai untuk respon tidak marah, 2 adalah nilai untuk respon sedikit marah, 3 adalah nilai untuk respon agak marah, 4 adalah nilai untuk respon marah dan 5 adalah nilai untuk respon sangat marah. D. Metode Pengujian Terdapat dua metode pengujian yang dilakukan dalam penelitian ini, yaitu: 1) Pengujian Unit: Pengujian unit dilakukan untuk memastikan bahwa setiap fungsi berjalan dengan benar dimana strategi pengujiannya menggunakan blackbox testing. Blackbox testing adalah pengujian yang dilakukan hanya mengamati hasil eksekusi melalui daya uji dan memeriksa fungsionalitas perangkat lunak.Pengujian Akurasi 2) Pengujian Akurasi: Pengujian akurasi digunakan untuk menguji tujuan dari klaterisasi ini bahwa dengan menerapkan metode K-Means Clustering yang digunakan akan mengetahui apakah responden tersebut masuk pada kelompok yang benar. IV. PERANCANGAN Perancangan sistem merupakan suatu desain sistem sebagai penggambaran, perencanaan dan pembuatan sketsa
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-35
ISSN: 1907 – 5022
atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh dan berfungsi. Rancangan dalam bentuk block diagram adalah sebagai berikut
Gambar 2 Block diagram sistem
Gambar 4. Tampil data pada tabel
V. IMPLEMENTASI Berikut ini merupakan interface yang terdapat pada sistem pengembangan aplikasi klaterisasi respon emosi marah wanita jawa.
VI. PENGUJIAN DAN PEMBAHASAN A. Pengujian Proses Pada Penelitian ini, untuk pengujian dilakukan dengan cara pengambilan sampel dari masing-masing cluster secara acak untuk kemudian dianalisa oleh pakar. Sampel data yang diambil berjumlah 10 untuk setiap cluster, dari sampel data tersebut pakar diminta untuk menentukan satu persatu apakah suatu sampel data itu memiliki kemiripan dengan ciri-ciri umum anggota cluster 1, 2 atau 3. Dari hasil pengujian, tingkat keakurasian yang didapat adalah sebagai berikut. TABEL I. HASIL PENGUJIAN AKURASI SISTEM
Gambar 3. Tampilan awal sistem
Jika didalam database terdapat data yang tersimpan maka pada tabel data responden akan muncul seperti yang ada pada gambar di bawah ini.
No
Cluster
Jumlah Data
Sesuai
1. 2. 3.
Cluster 1 Cluster 2 Cluster 3
10 10 10
10 10 9
Tidak Sesuai 0 0 1
Tingkat Akurasi 100% 100% 90%
B. Analisa dan Hasil Penelitian Analisa dilakukan untuk mengetahui pada pola sebuah cluster tersebut termasuk dalam kelompok responden dan dalam kasus ini klaterisasi yang akan menghasilkan 3 output. Rincian hasil dari proses clustering yang dibagi menjadi 3 cluster adalah sebagai berikut. TABEL II. ANGGOTA CLUSTER Data
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-36
Cluster 1 2, 10, 16, 33, 35, 36, 37, 38, 39, 40, 42, 43, 48, 50, 52, 53, 56, 57, 59, 60, 61, 62, 70, 71, 72, 73, 74, 80, 81, 82, 83, 84, 85, 86, 87, 93, 95, 100, 102, 103, 105
Cluster 2 3, 4, 5, 6, 7, 8, 9, 28, 29, 31, 45, 58, 88, 89, 90, 94, 96, 99, 101, 106
Cluster 3 1, 11, 12, 13, 14, 15, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 30, 32, 34, 41, 44, 46, 47, 49, 51, 54, 55, 63, 64, 65, 66, 67, 68, 69, 75, 76, 77, 78, 79, 91, 92, 97, 98, 104, 107
ISSN: 1907 – 5022
TABEL III. HASIL PENGUJIAN ASPEK SUAMI Respon Emosi Tidak Marah Sedikit Marah Agak Marah Marah Marah Sekali
Cluster 1 17.1% 23.5% 16.8% 28.4% 14.3%
Cluster 2 20% 28.1% 29.4% 18.1% 4.4%
(5) Cluster 3 7.3% 9.2% 16.6% 36.1% 30.7%
TABEL IV. HASIL PENGUJIAN ASPEK ANAK Respon Emosi Tidak Marah Sedikit Marah Agak Marah Marah Marah Sekali
Cluster 1 12% 23.9% 16.1% 29% 19%
Cluster 2 18% 33.5% 33% 11% 4.5%
Cluster 3 3.3% 8.7% 18.7% 35.4% 33.9%
TABEL V. HASIL PENGUJIAN ASPEK ORANG TUA Respon Emosi Tidak Marah Sedikit Marah Agak Marah Marah Marah Sekali
Cluster 1 35.1% 37.8% 17.1% 8.8% 1.2%
Cluster 2 24% 33.5% 25% 15.5% 2%
Cluster 3 8.3% 13.5% 24.6% 38.3% 15.4%
TABEL VI. HASIL PENGUJIAN ASPEK SAUDARA Respon Emosi Tidak Marah Sedikit Marah Agak Marah Marah Marah Sekali
Cluster 1 13.1% 18.6% 20.4% 24.8% 22.8%
Cluster 2 15.9% 34.5% 39.5% 7.7% 2.3%
Cluster 3 3.4% 3.2% 14% 38.9% 40.5%
TABEL VII. HASIL PENGUJIAN ASPEK PEKERJAAN Respon Emosi Tidak Marah Sedikit Marah Agak Marah Marah Marah Sekali
Cluster 1 18.0% 22.0% 22% 22.2% 5.1%
Cluster 2 26% 39% 22..5% 11% 1.5%
Cluster 3 2.6% 11.3% 16.5% 35.9% 33.7%
Analisa respon emosi marah dan marah sekali pada setiap cluster di semua aspek. Terlihat pada cluster 1 respon emosi marah dan marah sekali mencakup aspek suami, anak dan saudara, untuk cluster 2 respon emosi marah dan marah sekali tidak terlihat pada aspek manapun sedangkan cluster 3 respon emosi marah dan marah sekali mencakup pada semua aspek yaitu suami, anak, orang tua, saudara dan pekerjaan. Maka dari semua analisa tersebut dapat disimpulkan bahwa untuk kelompok 1 yaitu yang berada pada cluster 1 yang menjadi pemicu kemarahan adalah aspek suami, anak dan saudara dapat disebut dengan kelompok responden agak pemarah, untuk kelompok 2 yaitu yang berada pada cluster 2 tidak ada yang menyebabkan kemarahan dapat disebut dengan kelompok responden tidak pemarah, sedangkan untuk kelompok responden yang pemarah yaitu yang berada pada cluster 3 semua aspek akan menjadi pemicu kemarahan dapat disebut dengan kelompok responden pemarah.
Maka didapatkan tingkat keakurasian, (6)
Pengujian akurasi pada sistem Pengembangan Aplikasi Klasterisasi Respon Emosi Marah Wanita Jawa menghasilkan keakurasi 96,6% dari hasil uji coba sebanyak 30 data yang diuji cobakan. VII. KESIMPULAN Adapun kesimpulan yang dapat diambil dari hasil penelitian yang dilakukan mengenai Pengembangan Aplikasi Klasterisasi Respon Emosi Marah Wanita Jawa adalah sebagai berikut. Hasil cluster dipengaruhi dari nilai titik pusat cluster (centroid) yang dan jumlah data yang digunakan. Selain itu perbedaan pengambilan data pusat cluster awal yang digunakan juga akan mempengaruhi hasil akhir pengelompokkan. Dari hasil pengujian akurasi sistem klaterisasi respon emosi marah wanita jawa menggunakan metode KMeans Clustering menghasilkan 3 cluster yaitu cluster sebesar 100%, cluster 2 sebesar 100% dan cluster 3 sebesar 90% Hasil klasterisasi respon emosi marah wanita jawa menggunakan metode K-Means Clustering memperoleh tingkat keakurasian sistem 96,6% berdasarkan 3 kelompok cluster yang diuji Dari hasil analisa cluster, tidak ada aspek yang menyebabkan kemarahan untuk kelompok responden tidak pemarah. Namun aspek suami, anak dan saudara adalah yang menjadi pemicu kemarahan kelompok responden agak pemarah. Sedangkan untuk kelompok responden pemarah, segala aspek yaitu suami, anak, orang tua, saudara dan pekerjaan adalah pemicu kemarahan. DAFTAR PUSTAKA [1]
[2]
[3]
[4] [5]
[6]
Kemudian untuk medapatkan keakurasian dari penelitian diatas maka dapat dihitung dengan persamaan sebagai berikut. [7]
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-37
Yuliarso. (2012). “Pesona di Balik Kelembutan Wanita Jawa”. [Online] Tersedia : http://kotasantri.com/pelangi/muslimah/2012/11/22/pesonadi-balik-kelembutan-wanita-jawa/pdf Yuni Adhtiya. (2012). “Keluarga di Masyarakat Jawa dalam Perspektif Cultural Studies”. [Online] Tersedia : http://eprints.walisongo.ac.id/4309/1/104111014.pdf Ulla Delfana Rosiani, Adi Atmoko, Surya Sumpeno, Mauridhi Hery Purnomo, “The Synteshis of Javanese Woman’s Facial Image on Anger Expression Based on Emotion Regulation”, ICICI BME, 2015. Edy Irmansyah dan Muhammad Faisal, “Advanced Clustering : Teori dan Aplikasi”, Yogyakarta : DeePublish, 2015 RB Fajriya Hakim dan Luthfi Yuliana Utami, “Identifikasi Promosi Kesehatan Menggunakan Metode Clustering di Porvinsi Jawa Tengah”. Statistika, FMIPA, Universitas Islam Indonesia. Eny Yuliarti, Nurlaela Widyarini dan Yayuk Siti Nurhaqimah. “Hubungan Antara Konsep Diri dengan Respon Emosi Terhadap Usikan Seksual pada Perempuan”. Psikologi, Universitas Muhammadiyah Jember Rena Latifa, “Psikologi Emosi”, Direktorat Pendidikann Tinggi Islam, Dirjen Pendidikan Islam, Kementrian Agama RI, 2012
ISSN: 1907 – 5022
[8]
[9]
Fenty Eka, dkk., “Implementasi Algoritma K-Means untuk Menetukan Kelompok Pengayaan Materi Mata Pelajaran Ujian Nasional (Studi Kasus : SMA Negeri 101 Jakarta)”, Jurnal Teknik Infomatika, 2015. Anand M. Baswade dan Prakash S. Nalwade, “Selection of Initial Centroid for k-Means Algorithm ”, IJCSMC, Vol. 2, pg 161-164, July. 2013.
Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2017 Yogyakarta, 5 Agustus 2017 D-38
ISSN: 1907 – 5022