Digitasi Produktivitas Panen Padi Berbasis K-Means Clustering
DOI:
https://doi.org/10.21067/smartics.v7i1.5270Kata Kunci:
Clustering, K-Means, Padi, ClusterAbstrak
Padi merupakan bahan makanan pokok masyarakat di wilayah negara Indonesia termasuk di wilayah Provinsi Jawa Timur. Oleh karena itu hasil produksi padi perlu diperhatikan untuk mengetahui daerah yang memiliki produksi yang kurang optimal atau yang optimal. Pada penelitian ini bertujuan untuk melakukan clustering produksi padi di daerah Jawa Timur. Clustering dilakukan dengan algoritma K-Means sebanyak 5 iterasi yang menghasilkan 3 klaster yaitu klaster daerah produksi tinggi, daerah produksi sedang, dan daerah produksi rendah. Klaster daerah produksi tinggi terdapat 6 daerah, klister produksi sedang terdapat 20 daerah, dan klister produksi rendah terdapat 12 daerah.
Referensi
“FAOSTAT,†2019. http://www.fao.org/faostat/en/#data/QC/visualize (accessed Jan. 12, 2021).
“BPS Provinsi Jawa Timur,†2019. https://jatim.bps.go.id/statictable/2019/10/08/1583/luas-panen-produksi-dan-produktivitas-padi-di-provinsi-jawa-timur-menurut-kabupaten-kota-ha-2018.html (accessed Jan. 12, 2021).
J. G. Soumen Chakrabarti, Martin Ester, Usama Fayyad and W. W. Jiawei Han, Shinichi Morishita, Gregory Piatetsky-Shapiro, “Data Mining Curriculum: A Proposal (Version 1.0),†vol. 1, 2006, Accessed: Jan. 12, 2021. [Online]. Available: https://www.kdd.org/curriculum/index.html.
J. Han, J. Pei, and M. Kamber, Data Mining: Concepts and Techniques, 3rd ed. Waltham: Morgan kaufman Publisher, 2012.
M. N. Reza, I. S. Na, S. W. Baek, and K. H. Lee, “Rice yield estimation based on K-means clustering with graph-cut segmentation using low-altitude UAV images,†Biosyst. Eng., vol. 177, no. 2018, pp. 109–121, 2019, doi: 10.1016/j.biosystemseng.2018.09.014.
Liyantono, Y. Almadani, Y. Adillah, M. Maulana Yusuf, M. N. Reza Mahbub, and A. Fatikhunnada, “Analysis of Paddy Productivity Using NDVI and K-means Clustering in Cibarusah Jaya, Bekasi Regency,†IOP Conf. Ser. Mater. Sci. Eng., vol. 557, no. 1, 2019, doi: 10.1088/1757-899X/557/1/012085.
Winarni, “Penerapan Metode Clustering Fuzzy C-Means Menggunakan Matlab Untuk Memetakan Potensi Tanaman Padi Di Kabupaten Bekasi,†J. Sist. Inf. Manaj. Basis Data, vol. 01, no. 02, pp. 116–127, 2018.
B. R. JURISTRA, “Pemetaan Hasil Clustering Produktifitas Padi dan Palawija di Pulau Jawa Menggunakan Algoritma K-Means,†Solo, 2017. [Online]. Available: https://eprints.uns.ac.id/id/eprint/33524.
H. Yuwafi, F. Marisa, and I. D. Wijaya, “Implementasi Data Mining Untuk Menentukan Santri Berprestasi Di Pp . Manaarulhuda Dengan Metode,†J. SPIRIT, vol. 11, no. 1, pp. 22–29, 2019.
A. Aquino, B. Millan, M. P. Diago, and J. Tardaguila, “Automated early yield prediction in vineyards from on-the-go image acquisition,†Comput. Electron. Agric., vol. 144, no. March 2017, pp. 26–36, 2018, doi: 10.1016/j.compag.2017.11.026.
N. P. Dharshinni, F. Azmi, I. Fawwaz, A. M. Husein, and S. D. Siregar, “Analysis of Accuracy K-Means and Apriori Algorithms for Patient Data Clusters,†J. Phys. Conf. Ser., vol. 1230, no. 1, 2019, doi: 10.1088/1742-6596/1230/1/012020.
A. Jamal, A. Handayani, A. A. Septiandri, E. Ripmiatin, and Y. Effendi, “Dimensionality Reduction using PCA and K-Means Clustering for Breast Cancer Prediction,†Lontar Komput. J. Ilm. Teknol. Inf., vol. 9, no. 3, p. 192, 2018, doi: 10.24843/lkjiti.2018.v09.i03.p08.
R. Risnawati and Rohminatin, “K-Means Clustering HWI Products (Case Study: HWI Kisaran Distributor),†vol. 4509, pp. 1–7, 2020.
D. Ardiada, P. A. Ariawan, and M. Sudarma, “Evaluation of Supporting Work Quality Using K-Means Algorithm,†IJEET Int. J. Eng. Emerg. Technol., vol. 3, no. 1, pp. 3–6, 2018.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
