KLASTERISASI DATA PRODUKSI PERTANIAN DI KABUPATEN CIREBON DENGAN ALGORITMA K-MEANS
DOI:
https://doi.org/10.23960/jitet.v13i2.6174Abstract Views: 158 File Views: 197
Abstract
Kabupaten Cirebon merupakan salah satu daerah pertanian terpenting di Indonesia yang memiliki potensi besar di sektor pertanian. Namun pengelolaan data produksi pertanian di daerah ini sering kali tidak optimal sehingga mengakibatkan rendahnya efisiensi dan strategi pengelolaan sumber daya yang kurang tepat. Oleh karena itu, penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam mengelompokkan data produksi pertanian berdasarkan hasil panen dari 40 kecamatan di Kabupaten Cirebon. Metode Knowledge Discovery in Database (KDD) digunakan dalam penelitian ini, meliputi tahap pemilihan data, preprocessing, transformasi, data mining, dan evaluasi hasil cluster. Data yang dianalisis meliputi hasil panen dari tiga komoditas utama, yaitu padi, jagung, dan melinjo. Hasil analisis menunjukkan bahwa data dapat dibagi menjadi empat klaster optimal dengan nilai Davies-Bouldin Index (DBI) sebesar 0,324, yang mengindikasikan bahwa klaster yang terbentuk memiliki kualitas yang baik. Setiap klaster mencerminkan karakteristik produksi yang berbeda-beda di setiap wilayah. Beberapa daerah menunjukkan keunggulan dalam hasil jagung, sementara daerah lain lebih unggul dalam memproduksi padi atau melinjo. Selain itu, terdapat daerah-daerah dengan tingkat produktivitas yang relatif rendah, yang membutuhkan lebih banyak perhatian dalam mengembangkan sektor pertanian. Temuan-temuan ini memberikan wawasan penting dalam merancang pengelolaan sektor pertanian yang lebih efisien dan berbasis data.
Downloads
References
M. Nafilah, N. Rahaningsih, and R. D. Dana, “Perbandingan Algoritma K-Means dan K-Medois Untuk Pengelompokan Hasil Pertanian di Kabupaten Cirebon,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 223–229, 2024.
N. B. Nugraha, E. Alimudin, and B. V. Indriyono, “Implementasi K-Means Clustering Pada Sistem Pakar Penentuan Jenis Sayuran,” J. Innov. Inf. Technol. Appl., vol. 4, no. 2, pp. 133–144, 2022.
A. Nugraha, O. Nurdiawan, and G. Dwilestari, “Penerapan Data Mining Metode K-Means Clustering untuk Analisa Penjualan pada Toko Yana Sport,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 849–855, 2022.
C. J. Silalahi, A. Situmorang, and J. F. Naibaho, “Implementasi Metode K-Means Clustering Untuk Memetakan Daerah Potensial Penghasil Padi di Provinsi Sumatera Utara,” Methotika J. Ilm. Tek. Inform., vol. 2, no. 2, pp. 49–57, 2022.
A. Rohmatullah, D. Rahmalia, and M. S. Pradana, “Klasterisasi Data Pertanian di Kabupaten Lamongan Menggunakan Algoritma K-Means Dan Fuzzy C-Means,” J. Ilm. Teknosains, vol. V, no. 2, pp. 86–93, 2019.
J. S. Hariyono, H. Z. Zahro, and R. Primaswara, “Perancangan Sistem Informasi Geografis Hasil Produksi Pertanian Bawah Merah di Kabupaten Nganjuk Menggunakan Metode K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 487–494, 2021.
E. Suprapto, “Pengelompokkan Potensi Padi di Indonesia Menggunakan K-Means Cluster,” J. Ilm. Pop., vol. 5, no. 2, pp. 28–34, 2022.
I. Febriani, M. Safii, and O. Alfina, “IMPLEMENTASI DATA MINING PENINGKATAN PRODUKSI BERAS MENGGUNAKAN METODE K-MEANS CLUSTERING,” Maj. Ilm. METHODA, vol. 12, no. 3, pp. 258–268, Dec. 2022.
A. S. Ilmananda and H. D. Ranglalin, “Klasterisasi Negara Pengekspor Beras ke Indonesia Menggunakan Algoritma K-Means Clustering,” J. SISFOTENIKA, vol. 13, no. 2, pp. 139–150, 2023.
E. R. Arini, “Penerapan K-Means Cluster di Provinsi Jawa Timur Berdasarkan Ketehanan Pangan,” JSNu J. Sci. Nusant., vol. 3, no. 1, pp. 32–36, 2023.
A. Aziz, A. M. Siregar, and C. Zonyfar, “Penerapan Algoritma K-Means dan Fuzzy C-Means untuk Pengelompokan Kabupaten Kota Berdasarkan Produksi Padi di Provinsi Jawa Barat,” Sci. Student J. Information, Technol. Sci., vol. III, no. 1, pp. 1–8, 2022.
P. S. Rosiana, A. A. Mohsa, M. A. Fadila, and J. H. Jaman, “Visualisasi Data Tindak Kejahatan Berdasarkan Jenis Kriminalitas Di Kabupaten Karawang Dengan Menggunakan Algoritma Clustering K-Means,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, pp. 822–828, 2023.
