PENERAPAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PRODUKTIVITAS TANAMAN PADI DI PROVINSI SUMATERA SELATAN

• RIVALDO

---

ABSTRAK

ABSTRAK

Rivaldo (12180349), Penerapan Metode K-means Clustering Untuk Pengelompokkan Produktivitas Tanaman Padi Di Provinsi Sumatera Selatan Padi merupakan salah satu tanaman yang penting yang menyediakan lebih dari 20 persen kalori, Untuk memenuhi kebutuhan pangan negara indonesia, produksi padi perlu dioptimalkan. Tujuannya agar pemerintah dapat berhasil memenuhi kekurangan beras pada masyarakat dan pemerintah tidak perlu melakukan impor beras dari luar negeri. Diprovinsi Sumatera Selatan terdapat 17 kota/kabupaten luas panen dan produksinya mengalami penurunan Pada tahun 2021. Untuk mengoptimalkan produksi beras, provinsi sumatera selatan dapat mengelompokan kota dan kabupaten penghasil padi. Dengan menggunakan metode data mining kita akan mengelompokkan data yang memiliki kesamaan, metode ini biasanya di sebut dengan metode clustering. Terdapat beberapa algoritma yang termasuk dalam metode clustering, salah satunya yaitu KMeans. Penelitian ini akan menggunakan metode K-Means clustering untuk mengelompokkan daerah panghasil padi diprovinsi sumatera selatan pada tahun 2021. Setelah melakukan analisa data didapatkan hasil hitungan manual Cluster C1 memiliki jumlah 10 wilayah, Cluster C2 memiliki jumlah 3 wilayah dan Cluster C3 memiliki jumlah 4 wilayah Sedangkan untuk hasil dari aplikasi rapidminer Cluster C1 memiliki jumlah wilayah 14 wilayah, Cluster C2 memiliki jumlah wilayah 2 wilayah dan Cluster C3 memiliki 1 wilayah.Saran dalam penelitian ini yaitu kita sudah mengetahui wilayah penghasil padi yang rendah, untuk wilayah penghasil padi yang rendah alangkah baiknya meningkatkan lagi hasil produksinya guna untuk mengimbangi kebutuhan masyarakat yang kekurangan beras dan dapat dijadikan sebagai saran penelitian berikutnya ialah menggunakan metode clustering yang lain seperti Hierarchical Clustering, DBSCAN dan lain - lainnya, kemudian dapat dibandingkannya dengan hasil yang didapatkan dengan menggunakan metode KMeans clustering.

Kata Kunci : Padi, K-means, Clustering, Data Mining

KATA KUNCI

Metode K-means

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] S. Wijayanto and Y. Fathoni, M, “Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means,” J. JUPITER, vol. 13, no. 2, pp. 212–219, 2021

[2] F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p. 238, 2018, doi: 10.32520/stmsi.v7i3.388.

[3] R. Ordila, R. Wahyuni, Y. Irawan, and M. Yulia Sari, “PENERAPAN DATA MINING UNTUK PENGELOMPOKAN DATA REKAM MEDIS PASIEN BERDASARKAN JENIS PENYAKIT DENGAN ALGORITMA CLUSTERING (Studi Kasus?: Poli Klinik PT.Inecda),” J. Ilmu Komput., vol. 9, no. 2, pp. 148– 153, 2020, doi: 10.33060/jik/2020/vol9.iss2.181.

[4] J. Cybertech et al., “PENERAPAN DATA MINING DALAM PENGELOMPOKAN BIBIT JAGUNG UNGGUL MENGGUNAKAN ALGORITMA K-MEANS,” vol. 3, no. 2, 2020.

[5] M. R. Ridlo, S. Defiyanti, and A. Primajaya, “Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang,” Citee 2017, pp. 426–433, 2017.

[6] B. Poerwanto and R. Y. Fa’rifah, “Algoritma k-means dalam mengelompokkan kecamatan di tana luwu berdasarkan produktifitas hasil pertanian,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.

[7] I. Sudono, W. Utami, and S. Lestari, “Pengelompokan Produksi Padi Nasional dengan Pendekatan Data Mining Konsep K-Means,” J. Irig., vol. 8, no. 2, p. 72, 2016, doi: 10.31028/ji.v8.i2.72-89.

[8] S. Agarwal, Data mining: Data mining concepts and techniques. 2014. doi: 10.1109/ICMIRA.2013.45.

[9] X. Wu et al., Top 10 algorithms in data mining, vol. 14, no. 1. 2008. doi: 10.1007/s10115-007-0114-2.

[10] I. K. Juni Arta, G. Indrawan, and G. R. Dantes, “Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution,” JST (Jurnal Sains dan Teknol., vol. 5, no. 2, pp. 746–760, 2017, doi: 10.23887/jstundiksha.v5i2.8549.

[11] F. M. Nasution, Penerapan Metode K-Means Clustering Untuk Mengelompokkan Ketahanan Tanaman Pangan Kabupaten/Kota Diprovinsi Sumatera Utara. 2019.

[12] Discovering Knowledge in Data: an Introduction to Data Mining, vol. 100, no. 472. 2005. doi: 10.1198/jasa.2005.s61.

[13] R. L. Hale, “Cluster analysis in school psychology: An example,” J. Sch. Psychol., vol. 19, no. 1, pp. 51–56, 1981, doi: 10.1016/0022-4405(81)90007-8.

[14] S. Andayani, “Formation of clusters in Knowledge Discovery in Databases by Algorithm K-Means,” SEMNAS Mat. dan Pendidik. Mat. 2007, 2007.

[15] M. A. W. K. MURTI, “Penerapan Metode K-Means Clustering Untuk Mengelompokan Potensi Produksi Buah – Buahan Di Provinsi Daerah Istimewa Yogyakarta,” Skripsi, 2017.

[16] A. Bastian, H. Sujadi, and G. Febrianto, “Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka),” no. 1, pp. 26–32.