.png){kind=logo}
IMPLEMENTASI DATA MINING CLUSTERING UNTUK MENGETAHUI POTENSI PRODUKTIFITAS KACANG TANAH DI INDONESIA
Abstract
Kondisi produktifitas kacang tanah yang mengalami fluktuasi, pemerintah perlu memberlakukan kebijakan tertentu di bidang pertanian. Dengan kebijakan tersebut diharapkan dapat mewujudkan ketahanan pangan tingkat nasional. Salah satu informasi yang dapat digunakan untuk mendukung kebijakan tersebut adalah pengelompokan provinsi di Indonesia berdasarkan hasil panen kacang tanah di Indonesia. Pengelompokan ini dilakukan karena beragamnya potensi hasil produksi kacang tanah di masing-masing provinsi, sehingga perlu dilakukan pengelompokan untuk mengetahui provinsi mana yang memiliki hasil produksi kacang tanah tertinggi sehingga dapat membantu untuk mengoptimalkan program-program pemerintah dibidang pertanian tanaman pangan. Pengelompokan tersebut menggunakan analisis cluster k-means. Dalam penelitian ini simulasi pemetaan menggunakan metode K-Means Clustering berbasis mobile. Proses pemetaan dilakukan berdasarkan 2 (dua) variabel yaitu luas panen (Ha) dan produksi (ton). Hasil pemetaan akan dikelompokkan menjadi dua (2) cluster, yaitu hasil panen tinggi dan rendah. Dari perhitungan manual, aplikasi mobile dan simulasi menggunakan Rapid Miner diperoleh hasil yang sama yaitu cluster 1 meliputi provinsi no 12 (Jawa Barat), 13 (Jawa Tengah) dan 15 (Jawa Timur). Sedangkan sisanya ada 20 data masuk ke cluster 0.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Pusat Data dan Sistem Informasi Pertanian Kementerian Per-tanian, “Keragaan Kacang Tanah Nasional,” dalam Outlook Ko-moditas Pertanian Sub Sektor Tanaman Pangan Kacang Tanah, Jakarta : Pusat Data dan Sistem Informasi Pertanian Kementerian Pertanian, 2016, hal.7-10.
Berkhin P, “A Survey of Clustering Data Mining Techniques,” In: Kogan J., Nicholas C., Teboulle M. (eds) Grouping Multidi-mensional Data. Springer, Berlin, Heidelberg,2006.
Guido, “ Peta Potensi Palawija di Kalimantan Menggunakan Metode K-Means Clustering,” Program Studi Teknik Informat-ika Jurusan Teknik Informatika. Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta, 2018.
Etik Setyowati, Agus Rusgiyono, Moch. Abdul Mukid, “Analisis Pengelompokan Daerah Menggunakan Metode Non-Hierarchical Partitioning K-Medoids Dari Hasil Komoditas Paertanian Tana-man Pangan,” Jurnal Gaussian, Vol 4, No 4, Tahun 2015 Hala-man 825-836.
Shi Na, Guan Yong and Liu Xumin, " Research on k-means Clustering Algorithm", Third International Symposium on Intelligent Information Technology and Security Informatics, 2010.
DOI (PDF (Bahasa Indonesia)): http://dx.doi.org/10.36564/njca.v5i1.148.g72
Refbacks
- There are currently no refbacks.
Copyright (c) 2020 Herliyani Hasanah
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.