Pengelompokan Wilayah Kecamatan di Kabupaten Kendal Berdasarkan Hasil Produksi Buah dan Sayur Dengan Metode K-means Clustering
DOI:
https://doi.org/10.26623/jprt.v19i1.8212Keywords:
Sektor Pertanian, Pengelopokan, K-meansAbstract
Indonesia dikenal dengan sebutan negara agraris dimana sebagian besar penduduk bekerja di sektor produksi pertanian. Kabupaten Kendal merupakan salah satu kabupaten di Provinsi Jawa Tengah yang sebagian besar wilayahnya merupakan daerah produksi pertanian yang sangat subur. Data yang digunakan dalam kasus ini adalah hasil produksi produksi pertanian buah dan sayur pada 20 kecamatan di Kabupaten Kendal tahun 2022. Salah satu cara untuk mengetahui potensi produksi pertanian dari wilayah kecamatan di Kabupaten Kendal adalah dengan mengelompokkan wilayah yang memiliki karakteristik hampir sama menggunakan K-means clustering. Tujuannya adalah mendapatkan hasil pengelompokkan yang optimal dari masing-masing kelompok yang terbentuk. Berdasarkan hasil analisis, diperoleh pengelompokkan wilayah kecamatan di Kabupaten Kendal menggunakan K-means menjadi 3 cluster. Dimana Klaster 1 terdiri dari 2 kecamatan dengan identifikasi bawang merah, mangga, pisang, dan jambu air memiliki tingkat persentase hasil produksi buah dan sayuran tertinggi. Klaster 2 terdiri dari 2 kecamatan dengan identifikasi pepaya, nangka, petai, dan melinjo memiliki tingkat persentase hasil produksi buah dan sayuran tertinggi. Dan klaster 3 terdapat 16 kecamatan dengan identifikasi cabai rawit, cabai keriting, memiliki tingkat persentase hasil produksi buah dan sayuran tertinggi. Dengan nilai evaluasi yang didapatkan dari Silhouette Index sebesar 0,5546 yang berarti termasuk kedalam kriteria medium structure.References
Agustina, Silvi et al. 2012. “Clustering Kualitas Beras Berdasarkan Ciri Fisik Menggunakan Metode K-means Algoritma.” Clustering K-means.
Bastian, Ade. 2018. “Penerapan Algoritma K-means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka).” Jurnal Sistem Informasi 14(1): 28–34.
BPS Kabupaten Kendal. 2023. Kabupaten Kendal Dalam Angka 2023. ed. SST Perwitosari, Madyastuti Herni, M.Stat Anggraeni, Siska Oktaviana Dwi, SST, dan M.Si Handayanti, Rina Lusiana, S, AP. Kendal.
Humas. 2022. Indonesia Negara Agraris dan Maritim, tapi Banyak Petani dan Nelayan Belum Sejahtera. JL. Veteran No. 18 Jakarta Pusat Indonesia 10110.
Irwanto, Yudhi Purwananto, dan Rully Soelaiman. 2012. “Optimasi Kinerja Algoritma Klasterisasi K-means.” Jurnal Teknik ITS 1(1) : 197–202.
Laras Indah Setyaningsih, Anjelina Rafika Wulandari, dan Prizka Rismawati Arum. 2023. Implementation of K-Means to Classify Poverty Based on Housing Characteristics in Central Java in 2021. Jurnal Pendidikan Matematika (Kudus) 6(1) : 49-58.
Purba, Deddy Wahyudin et al. 2020. Pengantar Ilmu Produksi pertanian_removed. Yayasan Kita Menulis.
Putu, Ni, Eka Merliana, dan Alb Joko Santoso. 2015. Prosiding Seminar Nasional Multi Disiplin Ilmu & Call For Papers Unisbank (Sendi_U) Kajian Multi Disiplin Ilmu untuk Mewujudkan Poros Maritim dalam Pembangunan Ekonomi Berbasis Kesejahteraan Rakyat Analisa Penentuan Jumlah Cluster Terbaik Pada Metode K-means. 978–979.
R, Raden Raifal Fajrin. 2021. “Persepsi Petani Terhadap Pola Kemitraan Dengan Pt Mitra Desa Pamarican.” Universitas Siliwangi Tasikmalaya.
Sardar, T. H., & Ansari, Z. 2018. An analysis of MapReduce efficiency in document clustering using parallel K-means algorithm. Future Computing and Informatics Journal, 3(2) : 200–209. https://doi.org/10.1016/j.fcij.2018.03.003
Windarto, Agus Perdana, Muhammad Ridwan Lubis, dan Solikhun Solikhun. 2018. “Implementasi JST pada Prediksi Total Laba Rugi Komprehensif Bank Umum dan Konvensional dengan Backpropagation.” Jurnal Teknologi Informasi dan Ilmu Komputer 5(4) : 411–18.
Yuli Mardi. 2019. “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika.” Jurnal Edik Informatika 2(2) : 213–19.
