CLUSTERING HASIL PANEN UBI KAYU MENGGUNAKAN ALGORITMA K-MEANS
Abstract
Cassava is one commodity that has the potential to grow the country's economy. Cassava is a primary food requirement besides rice and corn. This research discusses the grouping of cassava products in the Trenggalek area, the data collected will later be formed into a group or cluster. There are 3 clusters created, namely high cluster, medium cluster and low cluster, to determine which data will enter the 3 clusters. Clustering is an analysis method of data mining. This research uses an algorithm, namely K-Means, to process cassava production results into a cluster. The results of the research produced a high cluster of 3 items, a medium cluster of 1 item and a low cluster of 10 items. Judging from these results, there are still many areas in Trenggalek that produce low quantities of cassava. This research can provide strategies or information to increase cassava production in the future.
References
P. Trisnawati and A. I. Purnamasari, “Penerapan Pengelompokkan Produktivitas Hasil Pertanian Menggunakan Algoritma K-Means,” Infotek J. Inform. dan Teknol., vol. 6, no. 2, pp. 249–257, 2023, doi: 10.29408/jit.v6i2.10198.
[2] E. P. Yudha, A. Salsabila, and T. Haryati, “Analisis Daya Saing Ekspor Komoditas Ubi Kayu Indonesia, Thailand Dan Vietnam Di Pasar Dunia,” J. Maneksi, vol. 12, no. 2, pp. 417–424, 2023, doi: 10.31959/jm.v12i2.1450.
[3] M. Yamin Nurzaman and B. Nurina Sari, “Implementasi K-Means Clustering Dalam Pengelompokkan Banyaknya Jumlah Petani Berdasarkan Kecamatan Di Provinsi Jawa Barat,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 3, pp. 131–144, 2023, [Online]. Available: http://jurnal.mdp.ac.id
[4] Deki Setra Perdana, “Penerapan Metode K-Means Clustering Untuk Mengelompokkan Ketahanan Pangan,” J. Sist. Inf., vol. 3, no. 2, pp. 67–72, 2022, doi: 10.32546/jusin.v3i2.1960.
[5] S. Wulandari, I. S. Damanik, E. Irawan, H. S. Tambunan, and Irawan, “Implementasi Data Mining Dalam Mengelompokkan Jumlah Produktivitas Ubi Kayu Menurut Provinsi Menggunakan Algoritma K-Means,” Komik (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 4, no. 1, pp. 382–387, 2020, doi: 10.30865/komik.v4i1.2727.
[6] M. Hatuala, L. Doni, and L. O. R. Daud, “Pembuatan Pangan Alternatif Dari Pengolahan Ubi Kayu (Manihot Esculenta) Pengganti Nasi Sebagai Pemanfaatan Makanan Lokal,” J. Pengabdi. Masy. Bhinneka, vol. 2, no. 3, pp. 66–70, 2024, doi: 10.58266/jpmb.v2i3.81.
[7] K. Hasyadi, I. Nurhayati, and A. A. Royadi, “Analisis sektor unggulan di kabupaten Trenggalek provinsi Jawa Timur,” J. Cendekia Keuang., vol. 2, no. 1, pp. 1–9, 2023, doi: 10.32503/jck.v2i1.3073.
[8] M. Nafilah, N. Rahaningsih, and R. Danar Dana, “Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 223–229, 2024, doi: 10.36040/jati.v8i1.8326.
[9] S. D. S. Sektoral, “Data Produksi Pertanian Ubi Kayu,” 2022. https://satudata.trenggalekkab.go.id/dataset/243/2022/data-produksi-pertanian-ubi-kayu
[10] M. Sholeh and K. Aeni, “Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan Algoritma K-Means,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 8, no. 1, pp. 56–65, 2023, doi: 10.30998/string.v8i1.16388.
[11] M. Sitorus, H. V. N. Sinaga, and R. P. D. Kusumo, “Clusterisasi Perkebunan Kelapa Sawit Berdasarkan Luas Area Produksi Dengan Algoritma K-Means,” J. Informatics Adv. Comput., vol. 3, no. 1, pp. 23–29, 2022.
[12] W. Sudrajat, I. Cholid, and J. Petrus, “Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer,” J. JUPITER, vol. 14, no. 1, pp. 27–36, 2022.
[13] 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.
[14] D. Alif Fajar Fadhillah, A. Faisol, and N. Vendyansyah, “Penerapan Metode K-Means Clustering Pada Pemetaan Lahan Kopi di Kabupaten Malang,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 1, pp. 162–170, 2022, doi: 10.36040/jati.v6i1.4617.
[15] D. T. Cahaya, D. Puspita, and R. Syahri, “Penerapan Metode K-Means Clustering Untuk Pengelompokan Potensi Padi di Kota Pagar Alam,” vol. 8, no. 2, pp. 2187–2193, 2024.
[2] E. P. Yudha, A. Salsabila, and T. Haryati, “Analisis Daya Saing Ekspor Komoditas Ubi Kayu Indonesia, Thailand Dan Vietnam Di Pasar Dunia,” J. Maneksi, vol. 12, no. 2, pp. 417–424, 2023, doi: 10.31959/jm.v12i2.1450.
[3] M. Yamin Nurzaman and B. Nurina Sari, “Implementasi K-Means Clustering Dalam Pengelompokkan Banyaknya Jumlah Petani Berdasarkan Kecamatan Di Provinsi Jawa Barat,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 3, pp. 131–144, 2023, [Online]. Available: http://jurnal.mdp.ac.id
[4] Deki Setra Perdana, “Penerapan Metode K-Means Clustering Untuk Mengelompokkan Ketahanan Pangan,” J. Sist. Inf., vol. 3, no. 2, pp. 67–72, 2022, doi: 10.32546/jusin.v3i2.1960.
[5] S. Wulandari, I. S. Damanik, E. Irawan, H. S. Tambunan, and Irawan, “Implementasi Data Mining Dalam Mengelompokkan Jumlah Produktivitas Ubi Kayu Menurut Provinsi Menggunakan Algoritma K-Means,” Komik (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 4, no. 1, pp. 382–387, 2020, doi: 10.30865/komik.v4i1.2727.
[6] M. Hatuala, L. Doni, and L. O. R. Daud, “Pembuatan Pangan Alternatif Dari Pengolahan Ubi Kayu (Manihot Esculenta) Pengganti Nasi Sebagai Pemanfaatan Makanan Lokal,” J. Pengabdi. Masy. Bhinneka, vol. 2, no. 3, pp. 66–70, 2024, doi: 10.58266/jpmb.v2i3.81.
[7] K. Hasyadi, I. Nurhayati, and A. A. Royadi, “Analisis sektor unggulan di kabupaten Trenggalek provinsi Jawa Timur,” J. Cendekia Keuang., vol. 2, no. 1, pp. 1–9, 2023, doi: 10.32503/jck.v2i1.3073.
[8] M. Nafilah, N. Rahaningsih, and R. Danar Dana, “Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 223–229, 2024, doi: 10.36040/jati.v8i1.8326.
[9] S. D. S. Sektoral, “Data Produksi Pertanian Ubi Kayu,” 2022. https://satudata.trenggalekkab.go.id/dataset/243/2022/data-produksi-pertanian-ubi-kayu
[10] M. Sholeh and K. Aeni, “Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan Algoritma K-Means,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 8, no. 1, pp. 56–65, 2023, doi: 10.30998/string.v8i1.16388.
[11] M. Sitorus, H. V. N. Sinaga, and R. P. D. Kusumo, “Clusterisasi Perkebunan Kelapa Sawit Berdasarkan Luas Area Produksi Dengan Algoritma K-Means,” J. Informatics Adv. Comput., vol. 3, no. 1, pp. 23–29, 2022.
[12] W. Sudrajat, I. Cholid, and J. Petrus, “Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer,” J. JUPITER, vol. 14, no. 1, pp. 27–36, 2022.
[13] 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.
[14] D. Alif Fajar Fadhillah, A. Faisol, and N. Vendyansyah, “Penerapan Metode K-Means Clustering Pada Pemetaan Lahan Kopi di Kabupaten Malang,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 1, pp. 162–170, 2022, doi: 10.36040/jati.v6i1.4617.
[15] D. T. Cahaya, D. Puspita, and R. Syahri, “Penerapan Metode K-Means Clustering Untuk Pengelompokan Potensi Padi di Kota Pagar Alam,” vol. 8, no. 2, pp. 2187–2193, 2024.
Published
2024-06-30
How to Cite
HAYUNINGTYAS, Ratih Yulia; DARWATI, Ida.
CLUSTERING HASIL PANEN UBI KAYU MENGGUNAKAN ALGORITMA K-MEANS.
Jurnal Teknik Informasi dan Komputer (Tekinkom), [S.l.], v. 7, n. 1, p. 25-32, june 2024.
ISSN 2621-3079.
Available at: <https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/1327>. Date accessed: 23 mar. 2025.
doi: https://doi.org/10.37600/tekinkom.v7i1.1327.
Issue
Section
Articles
