DATA MINING K-MEDOIDS DAN K-MEANS UNTUK PENGELOMPOKAN POTENSI PRODUKSI KELAPA SAWIT DI INDONESIA

Faiq Husain Pratama, Agung Triayudi, Eri Mardiani

Abstract


Kelapa sawit merupakan tanaman golongan palma yang memiliki periode produksi setiap tahunnya. Penyebaran terbesar kelapa sawit berada di Indonesia. Indonesia memiliki luas perkebunan mencapai 17,32 juta hektar. Detailnya hasil produksi 26,57 ton dengan luas kebun 8,51 juta hektar. Menurut data USDA, pada tahun 2022 menurun karena berbagai faktor. Untuk itu perlu dilakukan klasifikasi potensi produksi kelapa sawit dan identifikasi peluang keberhasilan produksi disetiap lokasi perkebunan kelapa sawit. Dengan ini dilakukan penelitian pembuatan sistem clustering untuk melihat potensi produksi kelapa sawit dengan memakai kombinasi 2 metode yaitu K-Medoids dan K-Means. K-Medoids berfungsi untuk penentuan cluster sesuai dengan data variable yang paling rendah(Cluster 1) 18 wilayah, sedang (Cluster 2) 5 wilayah, dan tinggi (Cluster 3)/(Cemtroid) 2 wilayah pada potensi hasil Luas areal, produksi, dan produktivitas kelapa sawit. Algoritma K-Means berfungi untuk mengelompokkan rata rata luas tanah 514.885,72 Ha, produksi 1.931.882,84 Ton dan produktifitas 3.227,08 Kg/Ha, dengan pembagian potensi rendah, sedang dan tinggi. Kombinasi dari kedua algoritma berfungsi sangat baik karena masing masing memiliki peran tersendiri yang sesuai dengan kebutuan penelitian. Dari penggabungan 2 metode K-Medoids dan K-Means mendaptkan hasil ketiga klaster bahwa hasil produksi kelapa sawit yang memiliki potensi rendah 72% sedang 20%, tinggi 2%. Segmentasi ini disebabkan oleh kesamaan karakteristik perkebunan berdasarkan kesamaan dari luas, produksi, dan produktivitas. Yang memiliki potensi produksi tertinggi kelapa sawit ada 2 provinsi yaitu Kalimantan Barat dan Riau.


Keywords


Clustering; Kelapa Sawit; K-Medoids; K-Means

Full Text:

PDF

References


K.Vajen, M.Jesper, F.Pag, and U.Jordan,“Annual Industrial and Commercial Heat Load Profiles: Modeling Based On K-Means Clustering and Regression Analysis,” 2021.

Siti Hajar, A.Windarto,A Wanto, E.Irawan, A.A.Novany, “Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan,” SAINTEK, P.314, 2020

Trisna Yuniarti And Dahliyah Hayati, “Segmentasi Perkebunan Kelapa Sawit Dengan Data Mining Teknik K-Means Clustering Ber-dasarkan Luas Areal, Produksi Dan Produktivitas,” Vol. 2, No. 2, P56-64, 2021.

E.T.E.Handayani, Handoko, dan Fauziah, “Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Dengan Menggunakan Metode K-Means Clustering,” J.Ilm. Tekno Dan Rekayasa, Vol.25, No.1, Pp. 76-88, 2020.

F.T.Kesuma, Feryanti dan S.P.Tamba,“Penerapan Data Mining Untuk Menentukan Penjualan Sparepat Toyota Dengan Metode K-Means Clustering,” (Jusikom Prima), Vol. 2, 2021.

U.B.Mulia, “Jumlah Ritel,” Vol, XI, no. 1, pp.32-44

F.Pag, M.Jesper, K.Vajen, And U.Jordan, “Annual Industrial And Comercial Head Loadprofiles: Modeling Based On K-Means Clustering And Regeression Analiysis,” Energy Convers Manag. X, Vol. 10, No. March, 2021,

H.S.Tambunan, I.S.Danamik, D.F.Pasaribu, E.Irawan, And K. Kunci, “Memanfaatkan Algoritma K-Means Dalam Memetakan Po-tensi Hasil Produksi Kelapa Sawit Ptpn Iv Marihat,” Bios Teknologi, Informasi Dan Rekayasa Komputer, 2021.

P.Deepak And A.Jurek-Loughrey, “Multi View Clustering,” Pp. 27-53.

Y. Liu, X. Du, And S. Ma, :Innovative Study On Clusterung Center And Distance Measurement Of K-Means Algoritma Based On User Data Of Jd Mall,” No. 01. Springer Us, 2021.

Rizaldi, ”Penerapan Waterfall Dalam Membangun Sistem Informasi Pengolahan Data,” Vol, No. 1, Pp. 71-80, 2021

Eri Mardiani, Nur Ramansyah, Wahyudi, Et.Al, “Kumpulan Latihan PHP,” Jakarta: PT Elex Media Komputindo, 2021.

Yuniarti And Hayati “Inventory: Industrial Vocational E-Journal On Agroindustry,” Volume. 2, 2021.

L.Y.Hutabarat, H. D.Tampubolon, D.Gultom, F.R.Ilmi H Zer, And D. Hartama, “Penerapan Algoritma K-Means Untuk Mengetahui Tingkat Tindak Kejahatan Daerah Pematangsiantar,” J. Teknol. Inf, Volume. 4, 2020.

Ai Rohmah, Falentino Sembiring, Adhitia Erfina, “Implementasi Algoritma K-Means Clustering Analysis Untuk Menentukan Ham-batan Pembelajaran Daring,” SISMATIK Universitas Nusa Putra, 2021.

Minarni, et.al, “Klasterisasi Penyakit Menggunakan Algoritma K-Medoids Pada Dinas Kesehatan Kabupaten Agam Provinsi Su-matera Barat,” Jurnal Nasional Pendidikan Teknik Informatika Volume 10, Nomor 3, Desember 2021.

Nur Arief1, Irfan Sudahri Damanik, Eka Irawan, “Penerapan Algoritma K- Medoids Dalam Mengelompokkan Tingkat Kasus Ke-jahatan di Setiap Provinsi,” STIKOM Tunas Bangsa, Vol 2, No 3, pp. 111-116, Desember 2021. https://djournals.com/klik

A Triayudi, I Fitri, WO Widyarto – Proceedings of the 2nd International Conference on Electronics, Biomedical Engineering, and Health Informatics. 2022

Triayudi A, Sumiati S, Dwiyatno S, Karyaningsih D, Susilawati (2021) Measure the effectiveness of information systems with the naïve bayes classifier method. IAES Int J Artif Intell 10.




DOI: https://doi.org/10.29100/jipi.v7i4.3237

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
STKIP PGRI Tulungagung

Website : https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email : jipi@stkippgritulungagung.ac.id


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.