PERBANDINGAN ALGORITMA K-MEANS DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKAN DAERAH PENGHASIL PADI DI INDONESIA

Toto Abdulpatah Toto

doi:10.23960/jitet.v13i3.7251

Authors

Toto Abdulpatah Toto Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.23960/jitet.v13i3.7251

Abstract Views: 136 File Views: 93

Keywords:

Rice, K-Means, Agglomerative, Silhouette Coeficient, Davies Bouldin Index

Abstract

Padi merupakan komoditas pangan utama di Indonesia yang menjadi bahan makanan pokok mayoritas masyarakat dan berperan penting dalam perekonomian nasional. Namun, tingginya volume impor beras menunjukkan bahwa produksi padi dalam negeri belum mencukupi kebutuhan pangan nasional. Oleh karena itu, diperlukan analisis karakteristik daerah penghasil padi berdasarkan luas panen,hasil produksi, dan produktivitas. Hal ini penting untuk mengidentifikasi daerah - daerah yang memiliki kontribusi tinggi maupun rendah terhadap produksi padi nasional. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma clustering, yaitu K-Means dan Agglomerative Hierarchical Clustering (AHC) untuk pengelompokan daerah penghasil padi di Indonesia. Berdasarkan hasil evaluasi, metode AHC (Average Linkage) menunjukkan kinerja yang lebih optimal dibandingkan K-Means, dengan nilai Silhouette Coefficient sebesar 0,723 dan Davies-Bouldin Index sebesar 0,229. Adapun K-Means menghasilkan nilai Silhouette Coefficient sebesar 0,696 dan Davies-Bouldin Index sebesar 0,404.

Downloads

Download data is not yet available.

References

S. Wijayanto and M. Y. Fathoni, "Pengelompokkan produktivitas tanaman padi di Jawa Tengah menggunakan metode clustering K-Means," JUPITER: Jurnal Penelitian Ilmu dan Teknologi Komputer, vol. 13, no. 2, pp. 212–219, 2021.

H. Azari, D. Hartanti, and A. A. Sari, "Pengelompokan produksi padi dan beras Provinsi Jawa Timur dengan metode Agglomerative Hierarchical Clustering," Infotek: Jurnal Informatika dan Teknologi, vol. 7, no. 2, pp. 379–389, 2024.

A. Aziz, Penerapan Algoritma K-Means dan Fuzzy C-Means untuk Pengelompokan Kabupaten Kota Berdasarkan Produksi Padi di Provinsi Jawa Barat, Doctoral dissertation, Universitas Buana Perjuangan Karawang, 2021.

H. Oktavianto, B. S. Bakti, and A. F. Cobantoro, "Perbandingan kinerja Agglomerative Clustering pada data stunting untuk segmentasi wilayah," BINA INSANI ICT Journal, vol. 10, no. 2, pp. 145–154, 2023.

G. Ramadhan and Y. Astuti, "Perbandingan kinerja algoritma K-means dan Agglomerative Clustering untuk segmentasi penjualan online pada customer retail," Jurnal Informatika: Jurnal Pengembangan IT, vol. 9, no. 1, pp. 92–96, 2024.

E. F. Situmorang, Y. A. Sihombing, and E. L. D. Samosir, "Perbandingan K-Means dengan Hierarchical Clustering untuk pengelompokkan tingkat pengangguran di Sumatera Utara," TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi, vol. 4, no. 2 (SEMNASTIK), pp. 155–159, 2024.

A. Supriyadi, A. Triayudi, and I. D. Sholihati, "Perbandingan algoritma K-Means dengan K-Medoids pada pengelompokan armada kendaraan truk berdasarkan produktivitas," JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 6, no. 2, pp. 229–240, 2021.

K. K. Munawar and A. I. Purnamasari, "Implementasi algoritma K-Means Clustering pada klasterisasi kasus HIV di Jawa Barat," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 2, pp. 1092–1099, 2023.

G. Sumantri, M. D. Novianto, and P. P. Prihastuti, "Implementasi Fuzzy C-Means dalam Pengelompokan Provinsi di Indonesia untuk Pemerataan Kualitas Pendidikan," in Prosiding Seminar Pendidikan Matematika dan Matematika, vol. 8, Mar. 2023.

D. Hediyati and I. M. Suartana, "Penerapan Principal Component Analysis (PCA) untuk reduksi dimensi pada proses clustering data produksi pertanian di Kabupaten Bojonegoro," JIEET (Journal of Information Engineering and Educational Technology), vol. 5, no. 2, pp. 49–54, 2021.

C. Nisa and W. Yustanti, "Studi perbandingan algoritma klastering dalam pengelompokan persediaan produk (studi kasus: Subdirektorat Perencanaan Sarana Prasarana dan Logistik PTN X)," Journal of Emerging Information System and Business Intelligence (JEISBI), vol. 2, no. 3, pp. 14–20, 2021.

G. G. Ghiffary, K. Alifviansyah, A. Fitrianto, E. Erfiani, and L. R. D. Jumansyah, "Perbandingan algoritma HDBSCAN dan Agglomerative Hierarchical Clustering dalam klasterisasi pada data yang mengandung pencilan," Jurnal Riset dan Aplikasi Matematika (JRAM), vol. 8, no. 2, pp. 122–135, 2024.

P. Vania and B. N. Sari, "Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K-Means," Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 21, pp. 547–558, 2023.

S. D. Raihannabil, H. M. A. Ilyas, H. N. Shafira, M. A. Riani, N. N. Hastin, and T. K. H. Siregar, "Perbandingan Agglomerative Nesting dan K-Means untuk klasterisasi ketimpangan gender berdasarkan dimensi kesehatan reproduksi," in Seminar Nasional Official Statistics, vol. 2024, no. 1, pp. 459–470, Nov. 2024.

A. M. Sroyer, S. A. Mandowen, and F. Reba, "Analisis cluster penyakit malaria Provinsi Papua menggunakan metode Single Linkage dan K-Means," Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 3, pp. 147–154, 2022.

A. Septianingsih, "Pemetaan kabupaten kota di Provinsi Jawa Timur berdasarkan tingkat kasus penyakit menggunakan pendekatan Agglomeratif Hierarchical Clustering," Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, vol. 3, no. 2, pp. 367–386, 2022.

A. M. Sikana and A. W. Wijayanto, "Analisis perbandingan pengelompokan Indeks Pembangunan Manusia Indonesia tahun 2019 dengan metode Partitioning dan Hierarchical Clustering," Jurnal Ilmu Komputer, vol. 14, no. 2, pp. 66–78, 2021.