Pengelompokkan Provinsi Di Indonesia Berdasarkan Luas Panen, Produksi, Dan Produktivitas Padi Menggunakan Algoritma K-Medoid
DOI:
https://doi.org/10.21067/jtst.v5i3.8594Keywords:
Kmedoid, Koefisien silhouette, clustering, padiAbstract
Sektor pertanian merupakan salah satu dari kebutuhan pokok pangan yang menjadi komponen penting dalam mendorong pertumbuhan perekonomian. Salah satu komoditas terbesar dalam sektor pertanian yaitu beras yang merupakan hasil olahan padi yang menjadi makanan pokok mayoritas warga Indonesia. Tujuan dilakukannya penelitian ini untuk mengelompokkan Provinsi di Indonesia berdasarkan luas panen, produksi, dan produktivitas padi menggunakan metode Analisis K-Medoid Clustering (PAM). Cluster yang terbentuk sebanyak 2 cluster dengan Average Silhouette sebesar 0,86 dengan spesifikasi struktur yang terbentuk kuat serta seluruh data telah terletak pada cluster yang tepat. Cluster 1 sebagai kelompok provinsi dengan tingkat produktivitas rendah yang terdiri dari 30 provinsi,dan cluster 2 sebagai kelompok dengan tingkat produktivitas tinggi yang terdiri dari 4 provinsi. Nilai siluet dari masing-masing cluster tersebut sebesar 0,89 dengan spesifikasi struktur yang terbentuk kuat dan 0,66 dengan spesifikasi struktur yang terbentuk baik.
References
Akbar, I., Budiraharjo, K., & Mukson, M. (2018). Analisis Faktor-Faktor Yang Mempengaruhi Produktivitas Padi Di Kecamatan Kesesi, Kabupaten Pekalongan. Agrisocionomics: Jurnal Sosial Ekonomi Pertanian, 1(2), 99. https://doi.org/10.14710/agrisocionomics.v1i2.1820
Alfiah, F., Almadayani, Al Farizi, D., & Widodo, E. (2021). Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020. Jurnal Ilmiah Sains, 22(1), 1. https://doi.org/10.35799/jis.v22i1.35911
Andini, A. D., & Arifin, T. (2020). Implementasi Algoritma K-Medoids Untuk Klasterisasi Data Penyakit Pasien Di Rsud Kota Bandung. Jurnal Responsif : Riset Sains Dan Informatika, 2(2), 128–138. https://doi.org/10.51977/jti.v2i2.247
Asmiatun, S. (2019). Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 6(2), 171–180. https://doi.org/10.35957/jatisi.v6i2.193
BPS. (n.d.). Luas Panen, Produksi, dan Produktivitas Padi Menurut Provinsi 2020-2022. BPS (Badan Pusat Statistik). Retrieved March 31, 2023, from https://www.bps.go.id/indicator/53/1498/1/luas-panen-produksi-dan-produktivitas-padi-menurut-provinsi.html
Dwilestari, G., Mulyawan, Martanto, & Ali, I. (2021). Analisis Clustering menggunakan K-Medoid pada Data Penduduk Miskin Indonesia. JURSIMA: Jurnal Sistem Informasi Dan Manajemen, 9(3), 282–290.
FAOSTAT. (n.d.). Crops and Livestock Products. FAOSTAT (Food and Agriculture Organization of the United Nations). Retrieved April 12, 2023, from https://www.fao.org/faostat/en/#data/QCL/visualize
Handoyo, R., Rumani, R., & Nasution, S. M. (2014). Perbandingan metode clustering menggunakan metode single linkage dan K-Means pada pengelompokan dokumen. JSM STMIK Mikroskil, 15(2), 73–82. https://mikroskil.ac.id/ejurnal/index.php/jsm/article/view/161
Hidayati, R., Zubair, A., Pratama, A. H., & Indana, L. (2021). Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering. Techno.Com, 20(2), 186–197. https://doi.org/10.33633/tc.v20i2.4556
Marisa, F., Zahma, A., Muit Bau, A., Noviansa, E., Neno, A. S., Lidya Maukar, A., Informatika, T., Malang, W., Borobudur, J., & 35, N. (2021). Digitasi Produktivitas Panen Padi Berbasis K-Means Clustering. SMARTICS Journal, 7(1), 21–26.
Marlina, D., Putri, N. F., Fernando, A., & Ramadhan, A. (2018). Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 4(2), 64. https://doi.org/10.24014/coreit.v4i2.4498
Nahdliyah, M. A., Widiharih, T., & Prahutama, A. (2019). Metode k-Medoids Clustering Dengan Validasi Silhouette Index dan C-Iindex. JURNAL GAUSSIAN, 8, 161–170.
Nurlaela, S., Primajaya, A., & Padilah, T. N. (2020). Algoritma K-Medoids Untuk Clustering Penyakit Maag Di Kabupaten Karawang. I N F O R M a T I K A, 12(2), 56. https://doi.org/10.36723/juri.v12i2.234
Pramesti, D. F., Tanzil Furqon, M., & Dewi, C. (2017). Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(9), 723–732. https://doi.org/10.1109/EUMC.2008.4751704
Rahmayani, M. T. I. (2018). Analisis Clustering Tingkat Keparahan Penyakit Pasien Menggunakan Algoritma K-Means. Jurnal Inovasi Teknik Informatika, 1(2), 40–44.
Septiadi, D., & Joka, U. (2019). Analisis Respon dan Faktor-Faktor yang Mempengaruhi Permintaan Beras Indonesia. Agrimor, 4(3), 42–44. https://doi.org/10.32938/ag.v4i3.843
Wira, B., Budianto, A. E., & Wiguna, A. S. (2019). Implementasi Metode K-Medoids Clustering Untuk Mengetahui Pola Pemilihan Program Studi Mahasiwa Baru Tahun 2018 Di Universitas Kanjuruhan Malang. RAINSTEK : Jurnal Terapan Sains & Teknologi, 1(3), 53–68. https://doi.org/10.21067/jtst.v1i3.3046
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 RAINSTEK : Jurnal Terapan Sains & Teknologi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Rainstek: Jurnal Terapan Sains dan Teknologi allows readers to read, download, copy, distribute, print, search, or link to the full texts of its articles and allow readers to use them for any other lawful purpose.
This work is licensed under a Creative Commons Attribution 4.0 International License. The Authors submitting a manuscript do so with the understanding that if accepted for publication, copyright of the article shall be assigned to Rainstek: Jurnal Terapan Sains dan Teknologi