IRMA SANELA, - (2023) PENERAPAN METODE CLUSTERING DENGAN K-MEANS UNTUK MEMETAKAN POTENSI TANAMAN PADI DI SUMATERA. Journal of Computer System and Informatics (JoSYC), 5 (1). pp. 82-92. ISSN ISSN 2714-8912 (media online), ISSN 2714-7150 (media cetak)

Preview

Text JURNAL IRMA SANELA.pdf - Published Version Download (14MB) | Preview

Abstract

Abstrak−Tanaman padi merupakan sumber utama beras, makanan pokok bagi mayoritas penduduk Indonesia. Meskipun ada alternatif makanan lain, beras tetap tak tergantikan bagi yang terbiasa mengonsumsi nasi. Menurut data FAO (Food and Agriculture Organization of the United Nations) tahun 2018, Indonesia merupakan produsen beras terbesar ketiga di dunia dengan total produksi mencapai 59,2 juta ton. Namun, perencanaan tata ruang perkotaan dan pertanian masih belum sepenuhnya terintegrasi, dan ini menghasilkan keputusan yang sering kali bertentangan dalam perencanaan penggunaan lahan pertanian dan perkotaan. Untuk memenuhi kebutuhan beras di Sumatera, diperlukan upaya untuk meningkatkan produksi padi di setiap provinsi. Oleh karena itu, penelitian ini bertujuan untuk memetakan potensi tanaman padi di Sumatera berdasarkan produksi dan hasil panen dari tahun 1993 hingga 2020. Metode yang digunakan dalam penelitian ini adalah KMeans, yang memungkinkan pengelompokkan daerah-daerah potensi padi menjadi tiga kategori, yaitu tinggi, sedang, dan rendah. Hasil penelitian ini menghasilkan tiga kelompok yang dievaluasi menggunakan Davies Bouldin Index (DBI) dengan nilai 0.3943. Hasil pengelompokan ini mengindikasikan bahwa Cluster 0 berisi 92 daerah dengan tingkat keberhasilan tinggi, Cluster 2 memiliki 84 daerah dengan tingkat keberhasilan sedang, dan Cluster 1 terdiri dari 48 daerah dengan tingkat keberhasilan rendah. Kategori tingkat keberhasilan rendah ditemukan dalam cluster 1 dengan 84 daerah. Cluster 0 mencakup Aceh, Sumatera Utara, Sumatera Barat, Sumatera Selatan, dan Lampung dengan periode tahun tertentu. Cluster 1 mencakup daerah-daerah lain dengan karakteristik yang berbeda. Cluster 2 mencakup Provinsi Riau, Jambi, dan Bengkulu. Kata Kunci: Clustering; Data Mining ; K-Means; Python; Padi

Actions (login required)

View Item