Implementasi Algoritma K-Means untuk Pengelompokan Kecamatan Berdasarkan Produktivitas Tanaman Padi di Kabupaten Cirebon
DOI:
https://doi.org/10.54914/jit.v11i1.1555Kata Kunci:
Algoritma K-Means, Clustering, Davies-Bouldin Index, Knowledge Discovery in Databases, Produktivitas Tanaman PadiAbstrak
Produktivitas tanaman padi di Kabupaten Cirebon bervariasi di setiap kecamatan, yang menyebabkan ketidakseimbangan dalam hasil produksi padi. Penelitian ini bertujuan untuk mengelompokkan kecamatan di Kabupaten Cirebon berdasarkan produktivitas tanaman padi menggunakan algoritma K-Means Clustering untuk mendukung pengambilan keputusan strategis di bidang pertanian. Metode penelitian yang diterapkan mencakup Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, preprocessing, transformasi, analisis menggunakan K-Means, serta evaluasi dengan Davies-Bouldin Index (DBI). Data yang digunakan adalah produktivitas padi tahun 2023 dari 40 kecamatan yang mencakup luas tanam, luas panen, dan hasil produksi. Hasil analisis menunjukkan nilai DBI optimal pada k=3, dengan tiga kategori produktivitas: tinggi, sedang, dan rendah. Algoritma K-Means terbukti efisien dan akurat dalam mengelompokkan data dibandingkan metode lain. Penelitian ini memberikan kontribusi bagi pemerintah daerah dalam merumuskan kebijakan peningkatan produktivitas padi di wilayah yang membutuhkan intervensi lebih lanjut. Temuan ini juga memberikan dasar bagi penelitian lebih lanjut dengan membandingkan algoritma lain untuk meningkatkan akurasi hasil.
Unduhan
Referensi
S. Wijayanto and M. Yoka Fathoni, “Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means,” Jupiter, vol. 13, no. 2, pp. 212–219, 2021.
R. Farismana, “Penerapan K-Means Clustering Untuk Pemetaan Produktivitas Padi Dan Prediksi Panen Di Kabupaten Indramayu,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 8, no. 3, p. 589, 2024, doi: 10.52362/jisamar.v8i3.1572.
Y. Y. Prasetya, A. Faisol, and N. Vendyansah, “Sistem Informasi Geografis Hasil Produksi Padi Di Kabupaten Malang Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 806–814, 2021, doi: 10.36040/jati.v5i2.3788.
R. P. Harjono and M. A. I. Pakereng, “Penerapan Metode K-Means Clustering Untuk Analisis Potensi Lahan Pangan Pada Provinsi Kalimantan Selatan,” J-SAKTI (Jurnal Sains Komput. Inform., vol. 7, no. 1, pp. 2549–7200, 2023.
T. Suprapti et al., “Analisis Desa Di Kecamatan Krangkeng Berdasarkan Tingkat Pendidikan Menggunakan Algoritma K-Means,” vol. 8, no. 2, pp. 1861–1868, 2024.
H. Habiballoh, A. Faqih, and T. Suprapti, “Implementasi Algoritma K-Means Dalam Mengelompokan Kabupaten/Kota Di Jawa Barat Berdasarkan Jenis Dan Jumlah Potensi Objek Daya Tarik Wisata,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, 2024, doi: 10.23960/jitet.v12i2.4270.
S. Oop Sofiyah, N. R., and R. Danar Dana, “Analisis Efektivitas Pelayanan Publik Menggunakan K-Means Clustering Di Kecamatan Sukagumiwang,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1291–1296, 2023, doi: 10.36040/jati.v7i2.6536.
A. Febrian, Nana Suarna, and Gifthera Dwilestari, “Penerapan Algoritma K-Means Untuk Mengelompokkan Data Pengiriman Paket Di Kantor Pos Cirebon,” J. Teknol. Technoscientia, vol. 15, no. 1, pp. 23–27, 2022, doi: 10.34151/technoscientia.v15i1.3858.
D. I. Ramadhani, O. Damayanti, O. Thaushiyah, and A. R. Kadafi, “Penerapan Metode K-Means Untuk Clustering Desa Rawan Bencana Berdasarkan Data Kejadian Terjadinya Bencana Alam,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 3, p. 749, 2022, doi: 10.30865/jurikom.v9i3.4326.
M. W. Goni, D. Gustian, and F. Sembiring, “Implementasi K-Means Dalam Pengelompokan Penyebaran COVID-19 di Jawa Barat,” Progresif J. Ilm. Komput., vol. 17, no. 2, p. 107, 2021, doi: 10.35889/progresif.v17i2.648.
S. Sari and J. N. Utamajaya, “Sistem Pendukung Keputusan Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Metode Algoritma K-Means Clustering,” J. JUPITER, vol. 14, no. 1, pp. 150–160, 2022.
A. Bahauddin, A. Fatmawati, and F. Permata Sari, “Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means,” J. Manaj. Inform. dan Sist. Inf., vol. 4, no. 1, pp. 1–8, 2021, doi: 10.36595/misi.v4i1.216.
T. Suryani, A. Faisol, and N. Vendyansyah, “Sistem Informasi Geografis Pemetaan Kerusakan Jalan Di Kabupaten Malang Menggunakan Metode K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 380–388, 2021, doi: 10.36040/jati.v5i1.3259.
M. P. M, C. Dewi, P. S. Emban, G. A. Wijayanti, N. Aulia, and R. Nooraeni, “Comparison of DBSCAN and K-Means Clustering forGrouping the Village Status in Central Java 2020,” J. Mat. Stat. Komputasi, vol. 17, no. 3, pp. 394–404, 2021, doi: 10.20956/j.v17i3.11704.
M. B. Johra, “Soft Clustering Dengan Algoritma Fuzzy K-Means (Studi Kasus : Pengelompokan Desa Di Kota Tidore Kepulauan),” BAREKENG J. Ilmu Mat. dan Terap., vol. 15, no. 2, pp. 385–392, 2021, doi: 10.30598/barekengvol15iss2pp385-392.
L. Rohmaniah, A. Faqih, and T. Suprapti, “Pengelompokan Penyandang Masalah Kesejahteraan Sosial Di Jawa Barat Menggunakan K-Means Dan Fuzzy C-Means,” J. Teknol. Technoscientia, vol. 15, no. 1, pp. 1–7, 2022, doi: 10.34151/technoscientia.v15i1.3847.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Rosa Rosiana, Willy Prihartono, Fathurrohman

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.