Perbandingan K-Means Dan K-Medoids Clustering Dalam Pengelompokan Kabupaten/Kota Berdasarkan Produksi Tanaman Pangan Di Provinsi Sumatera Barat

Authors

  • Syahraini Syahraini Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Padang, Indonesia
  • Yusmet Rizal Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Padang, Indonesia

Keywords:

Tanaman Pangan, Clustering, K-Means K-Medoids

Abstract

Jumlah produksi tanaman pangan dalam lima tahun terakhir di Sumatra Barat selalu menurun yang dapat mempengaruhi perekonomian dan ketahanan pangan di Provinsi Sumatera Barat. Dalam meningkatkan ketahanan pangan dilakukan clustering untuk mengidentifikasi kemiripan potensi antar Kabupaten/Kota berdasarkan produksi tanaman pangan di Sumatera Barat menggunakan K-Means dan K-Medoids Clustering. Penelitian ini bertujuan untuk membandingkan dan mengetahui algoritma mana yang lebih optimal antara K-Means dan K-Medoids Clustering dalam pengelompokan Kabupaten/Kota berdasarkan produksi tanaman pangan di Provinsi Sumatera Barat serta menginterpretasikan hasil pengelompokannya. Penelitian ini merupakan penelitian terapan dan jenis data yang digunakan dalam penelitian ini adalah data sekunder tentang jumlah produksi tanaman pangan di Provinsi Sumatera Barat tahun 2022. Sumber data diperoleh dari website resmi Badan Pusat Statistika Sumatera Barat. Dengan menggunakan 7 variabel yaitu padi, jagung, kedelai, kacang hijau, kacang tanah, ubi jalar dan ubi kayu. Pada penelitian ini dilakukan proses clustering dengan menggunakan jarak Euclidean dan evaluasi cluster dengan menggunkan DBI (Davies Bouldin Index). Hasil penelitian menunjukkan bahwa cluster yang terbentuk yaitu sebanyak 3 cluster dilihat dari K = 3 dengan menggunakan metode elbow. Pada K-Means Clustering diperoleh hasil cluster 1 sebanyak 11 Kabupaten/Kota, cluster 2 sebanyak 6 Kabupaten/Kota, cluster 3 sebanyak 2 Kabupaten/Kota dan hasil evaluasi cluster DBI sebesar 0.64. Pada K-Medoids Clustering diperoleh hasil cluster 1 sebanyak 8 Kabupaten/Kota, cluster 2 sebanyak 4 Kabupaten/Kota, cluster 3 sebanyak 4 Kabupaten/Kota dan hasil evaluasi cluster DBI sebesar 0.92. Sehingga, algoritma yang lebih optimal dalam pengelompokan Kabupaten/Kota berdasarkan Produksi Tanaman Pangan di Provinsi Sumatera Barat adalah menggunakan K-Means Clustering.

Downloads

Published

13-10-2024

How to Cite

Syahraini, S., & Rizal, Y. (2024). Perbandingan K-Means Dan K-Medoids Clustering Dalam Pengelompokan Kabupaten/Kota Berdasarkan Produksi Tanaman Pangan Di Provinsi Sumatera Barat. Jurnal Pendidikan Tambusai, 8(3), 41339–41348. Retrieved from http://jptam.org/index.php/jptam/article/view/19985

Issue

Vol. 8 No. 3 (2024)

Section

Articles of Research

Citation Check

License

Copyright (c) 2024 Syahraini Syahraini, Yusmet Rizal

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).