Penerapan K-Medoids Dalam Mengelompokkan Produksi Padi Di Indonesia Pada Masa Pandemi Covid-19

Darmeli Nasution, Solikhun Solikhun, Donni Nasution

Abstract


Padi adalah makanan pokok masyarakat Indonesia. Setiap hari masyarakat Indonesia mengkonsumsi nasi. Produksi padi sangat dibutuhkan oleh seluruh masyarakat Indonesia. Pengelompokkan produksi padi di Indonesia penting untuk dilakukan untuk mengetahui kondisi produksi padi di Indonesia pada masa pandemi Covid-19. Tujuan penelitian ini adalah mengelompokkan padi mengunakan algoritma K-Medoids dengan 3 cluster, yaitu tinggi, sedang dan rendah. Hasil pengelompokkan produksi padi di Indonesia terdiri dari kelompok tinggi yaitu Jawa Barat, Jawa Tengah dan Jawa Timur, kelompok sedang yaitu Sumatera Selatan dan Sulawesi Selatan dan selain propinsi yang masuk kelompok tinggi dan sedang adalah kelompok rendah yaitu ada 29 propinsi di Indonesia.


References


N. Erlangga, S. Solikhun, and I. Irawan, “Penerapan Data Mining Dalam Mengelompokan Produksi Jagung Menurut Provinsi Menggunakan Algoritma K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 702–709, 2019.

M. A. Syakur, B. K. Khotimah, E. M. S. Rochman, and B. D. Satoto, “Integration K-Means Clustering Method and Elbow Method for Identification of the Best Customer Profile Cluster,” IOP Conf. Ser. Mater. Sci. Eng., vol. 336, no. 1, 2018.

S. D. Al-Shobaki, “Jordan journal of mechanical and industrial engineering.,” Jordan J. Mech. Ind. Eng., vol. 5, no. 3, pp. 267–272, 2007.

S. Ahmadian, A. Norouzi-Fard, O. Svensson, and J. Ward, “Better guarantees for k-Means and euclidean k-Median by primal-dual algorithms,” SIAM J. Comput., vol. 49, no. 4, pp. 97–156, 2020.

J. Tengah, “Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means,” vol. 13, no. 2, pp. 212–219, 2021.

E. Rivani, P. Pengkajian, P. Data, S. Jenderal, and D. P. R. Ri, “APLIKASI K- MEANS CLUSTER UNTUK PENGELOMPOKKAN PROVINSI BERDASARKAN PRODUKSI PADI , JAGUNG , KEDELAI , DAN KACANG HIJAU TAHUN 2009 Ukuran Similaritas,” vol. 10, no. 2, pp. 122–134, 2010.

S. Al Syahdan and A. Sindar, “Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota,” J. Nas. Komputasi dan Teknol. Inf., vol. 1, no. 2, 2018.

C. Astria, A. P. Windarto, A. Wanto, and E. Irawan, “Metode K-Means pada Pengelompokan Wilayah Pendistribusian Listrik,” Semin. Nas. Sains Teknol. Inf., pp. 306–312, 2019.

D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 64, 2018.

A. Lasisi, R. Ghazali, and T. Herawan, “Comparative Performance Analysis of Negative Selection Algorithm with Immune and Classification Algorithms,” Adv. Intell. Syst. Comput., vol. 287, pp. 441–452, 2014.

R. D. Ramadhani and D. J. Ak, “Evaluasi K-Means dan K-Medoids pada Dataset Kecil,” Semin. Nas. Inform. dan Apl., no. September, pp. 20–24, 2017.

S. Asmiatun, “Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 2, pp. 171–180, 2019.

D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 3, pp. 102–109, 2019.

M. N. P. Pamulang, M. N. Aini, and U. Enri3, “Komparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit ISPA,” Edumatic J. Pendidik. Inform., vol. 5, no. 1, pp. 99–107, 2021.

B. Wira, A. E. Budianto, and A. S. Wiguna, “Implementasi Metode K-Medoids Clustering untuk Mengetahui Pola Pemilihan Program Studi,” J. Terap. Sains Teknol., vol. 1, no. 3, pp. 54–69, 2019.




DOI: http://dx.doi.org/10.30645/senaris.v4i2.205

Refbacks

  • There are currently no refbacks.


&nbsp