Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K-Means Clustering: Grouping Oil Palm Production Areas Using K-Means Clustering Algorithm

Fina Nasari

doi:10.59061/jsit.v4i2.108

Authors

Fina Nasari Politeknik Kampar

DOI:

https://doi.org/10.59061/jsit.v4i2.108

Keywords:

Clustering, K-Means, Nilai DBI

Abstract

Riau merupakan salah satu provinsi di Indonesia dengan luas area dan produksi kelapa tertinggi di Indonesia. Penyebaran perkebunan kelapa sawit di provinsi riau menyebar hamper merata diseluruh kabupatan/kota. Produksi kelapa sawit setiap daerah bervariasi, oleh karena itu perlu adanya pengclusteran daerah berdasarkan produksi kelapa sawit. Algoritma k-means clustering mampu mengelompokkan data yang sama dalam kelompok yang sama. Pengelompokkan data berdasarkan jarak kemasing-masing centroid. Tujuan penelitian ini adalah mengcluster daerah sesuai dengan jumlah produksi kelapa sawit yang ada di provinsi riau kedalam 2, 3, dan 5 cluster. Hasil dari penelitian ini algoritma k-means mampu mengelompokkan daerah berdasarkan produksi kelapa sawit dengan hasil cluster, jika data dikelompokkan menjadi 2 cluster terdapat 6 daerah masuk pada cluster 0 dan 6 daerah masuk pada cluster 1. Hasil pengelompokkan 3 cluster terdapat 5 daerah pada cluster 0, 4 daerah pada cluster 1 dan 3 daerah pada cluster 2.

References

F. Nasari, C. Jhony, and M. Sianturi, “Penerapan Algoritma K-Means Clustering…”.

F. Nasari and S. Darma, “Seminar Nasional Teknologi Informasi dan Multimedia 2015 PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS?: UNIVERSITAS POTENSI UTAMA)”.

A. Nofiar, S. Defit, and Sumijan, “Penentuan Mutu Kelapa Sawit Menggunakan Metode K-Means Clustering,” J. KomtekInfo, vol. 5, no. 3, pp. 1–9, 2019, doi: 10.35134/komtekinfo.v5i3.26.

I. M. Pulungan, S. Saifullah, M. Fauzan, and A. P. Windarto, “Implementasi Algoritma K-Means Clustering dalam Menentukan Blok Tanaman Sawit Paling Produktif,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 338, 2019, doi: 10.30645/senaris.v1i0.39.

F. Nasari, “ALGORITMA K-MEANS CLUSTERINGDALAM PENYEBARAN PENYAKIT DIARE”.

S. Hajar, A. A. Novany, A. P. Windarto, A. Wanto, and E. Irawan, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan,” Semin. Nas. Teknol. Komput. Sains, pp. 314–318, 2020.

D. F. Pasaribu, I. S. Damanik, E. Irawan, Suhada, and H. S. Tambunan, “Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat,” BIOS J. Teknol. Inf. dan Rekayasa Komput., vol. 2, no. 1, pp. 11–20, 2021, doi: 10.37148/bios.v2i1.17.

D. Haryadi, “Penerapan Algoritma K-Means Clustering Pada Produksi Perkebunan Kelapa Sawit Menurut Provinsi,” J. Informatics Commun. Technol., vol. 3, no. 1, pp. 50–64, 2021, doi: 10.52661/j_ict.v3i1.71.

E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” J. Sains dan Manaj., vol. 9, no. 1, pp. 95–100, 2021, [Online]. Available: www.bps.go.id

A. Bates and J. Kalita, “Counting Clusters in Twitter Posts,” in Proceedings of the Second International Conference on Information and Communication Technology for Competitive Strategies, 2016. doi: 10.1145/2905055.2905295.