Implementasi Clustering Algoritma K-Means Pada Produksi Beras di Provinsi Jawa Timur Tahun 2022
DOI:
10.51519/journalcisa.v5i3.485Keywords:
Clustering, K-Means, Produksi BerasAbstract
Beras ialah salah satu dari sekian tanaman pangan yang memiliki peranan penting di dalam kehidupan semua masyarakat khususnya bagi masyarakat di Asia. Sebagai salah satu cadangan beras terpenting di Indonesia, Jawa Timur berperan penting dalam produksi beras skala nasional. Oleh karena itu, diperlukan upaya penerapan algoritma K-means untuk meningkatkan efisiensi dan produktivitas sektor pertanian khususnya proses produksi beras. Data yang terkumpul membandingkan nilai centroid data dari dua bilangan cluster yaitu 4 dan 3. Jumlah cluster awal adalah 4. Bila menggunakan metode siku dan siluet, jumlah cluster yang benar adalah 4. Jumlah cluster kedua adalah 3 dan memiliki deskripsi tinggi, sedang, dan rendah. Landasan ilmiah penelitian ini untuk memberikan kontribusi positif terhadap pembangunan sektor pertanian di Jawa Timur, meningkatkan kesejahteraan pedesaan dan mengembangkan kebijakan yang lebih akurat dan efektif untuk menjaga ketahanan pangan nasional.
References
Junaidi, "Usaha Peningkatan Produksi Padi (Oryza Sativa L) dengan Penambahan N pada Perlakuan Dosis Pupuk Kandang,” J. Agroteknologi dan Agribisnis (AGRINIKA), vol. 2, no. 1, 2018.
M. Ishaq et al., "Analisis Faktor – Faktor yang Mempengaruhi Produksi Padi di Provinsi Jawa Timur menggunakan Regresi Semiparametrik Spline," J. Sains dan Seni ITS, vol. 6, no. 1, 2017.
D. N. Batubara et al., "Analisis Metode K-MEANS Pada Pengelompokan Keberadaan Area Resapan Air Menurut Provinsi," Seminar Nasional Sains dan Teknologi Informasi (SENSASI), vol. 2, no. 1, 2019.
P. Alkhairi and A. P. Windarto, "Penerapan K-Means Cluster Pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara," Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), vol. 1, no. 1, 2019.
D. F. Pasaribu et al., "Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat," BIOS: J. Teknologi Informasi dan Rekayasa Komputer, vol. 2, no. 1, 2021.
H. Kurniawan and S. Defit, "Data Mining Menggunakan Metode K-Means Clustering Untuk Menentukan Besaran Uang Kuliah Tunggal," J. Appl. Computer Sci. and Tech., vol. 1, no. 2, pp. 80-89, 2020.
M. G. Sadewo et al., "Algoritma K-Means Dalam Mengelompokkan Desa/Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi," Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), vol. 1, no. 1, 2019.
W. S. Utami, N. Pratiwi, and F. Muhammad, "Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Clustering Perokok Usia Lebih dari 15 Tahun," Bull. Inf. Tech. (BIT), vol. 4, no. 4, pp. 501-507, 2023.
Ramadhani and M. Megawati, "Implementasi Algoritma K-Means Untuk Klustering Data Produktivitas Kelapa Sawit," Indonesian J. Inf. Research and Software Eng. (IJIRSE), vol. 3, no. 1, 2023, pp. 56-64.
K. Rahmat, M. S. Hasibuan, and R. Hasibuan, "Klasterisasi Wilayah Prioritas Vaksin Menggunakan Algoritma K-Means Clustering," KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 3, pp. 1585-1592, 2023.
T. Tendean and W. Purba, "Analisis Cluster Provinsi Indonesia Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means," J. Sains dan Teknologi, vol. 1, no. 2, pp. 5-11, 2020.
Y. S. Sy, "Klasterisasi Pasien Rawat Inap Peserta BPJS Berdasarkan Jenis Penyakit Menggunakan Algoritma K-Means," J. Sistim Informasi dan Teknologi, pp. 33-37, 2023.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Annisa Lusyani Zahra, Sesilia Tiara Rahayu Ada, Ayu Fakhira Ardini
This work is licensed under a Creative Commons Attribution 4.0 International License.