Algoritma K-Medoids untuk Pengelompokan Produksi Padi dan Beras sebagai Upaya Optimalisasi Ketahanan Pangan di Provinsi Riau

Fimawahib, Luth

doi:10.33372/stn.v8i2.877

Cited by 5 publications

(6 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Manusia membutuhkan sumber energi dalam setiap aktivitasnya, mulai dari bekerja, berolahraga, bahkan kebutuhan yang paling mendasar yang harus dipenuhi dalam setiap saat adalah pangan [1]. Pangan merupakan kebutuhan yang sangat penting untuk diperhatikan dalam kehidupan banyak orang [2]. Sebagian besar penduduk Indonesia bekerja di sektor pertanian karena Indonesia adalah negara agraris [1].…”

Section: Pendahuluanunclassified

Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon

Nafilah,

Rahaningsih,

Danar Dana

2024

jati

View full text Add to dashboard Cite

Dataset mengenai pengelompokan hasil produksi pertanian Dinas Pertanian Kabupaten Cirebon saat ini masih belum tersedia. Keterbatasan dataset ini membuat kurangnya informasi mengenai perbedaan dan keunggulan hasil pertanian antar kecamatan. Oleh karena itu, sebagai salah satu usaha dalam membantu Dinas Pertanian untuk memudahkan pemberian informasi kepada masyarakat dan pihak tertentu dalam mencari informasi, dengan melakukan pengolahan data yaitu pengelompokan yang dapat menyelesaikan permasalahan tersebut. Diperlukan adanya pengelompokan yaitu untuk pemetaan kecamatan dengan hasil produksi pertanian menggunakan metode clustering. Metode clustering yang diterapkan adalah algoritma K-Means dan K-Medoids. Kemudian dilakukan perbandingan berdasarkan nilai Davies Bouldin Index (DBI) kedua algoritma agar bisa memilih algoritma clustering terbaik. Tujuannya untuk mengetahui setiap Kecamatan di Kabupaten Cirebon dengan hasil pertanian yang terkumpul dalam suatu cluster tertentu. Microsoft Excel dan RapidMiner digunakan untuk proses pengolahan data. Metode pendekatan menggunaan teknik data mining Knowledge Discovery in Database Process (KDD) dengan langkah dalam prosesnya adalah data selection, prepocessing, transformasi, data mining dan evaluasi. Hasil perbandingan antara K-Means dan K-Medoids menunjukan bahwa nilai DBI pada K-Means sebesar 0,368 mendapatkan 3 cluster sedangkan nilai DBI K-Medoids sebesar 0,706 mendapatkan 8 cluster. Dapat disimpulkan nilai optimal K-Means menghasilkan 0,368 dengan 3 cluster.

show abstract

Section: Pendahuluanunclassified

Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon

Nafilah,

Rahaningsih,

Danar Dana

2024

jati

View full text Add to dashboard Cite

show abstract

“…Paper [13] membahas tentang pengelompokan produksi padi dan beras menggunakan algoritma K-Medoids. Studi ini menemukan bahwa cluster 1 (tinggi) memiliki empat kabupaten dan cluster 2 (rendah) memiliki delapan kabupaten.…”

Section: Tinjauan Pustakaunclassified

Penerapan Algoritma K-Medoids Dalam Menentukan Cluster Kabupaten Dan Kota Berdasarkan Populasi Peternakan Di Provinsi Jawa Barat

Khoirunisa,

Astuti,

Suprapti

2024

jati

View full text Add to dashboard Cite

Peternakan di Indonesia merupakan salah satu sektor yang memberikan kontribusi cukup besar bagi perekonomian Indonesia. Peternakan berperan sebagai sektor utama dalam upaya pemenuhan kebutuhan dan menjaga ketersediaan pangan hewani untuk masyarakat di Indonesia. Upaya yang dapat dilakukan untuk meningkatkan dan mempertahankan produktivitas sektor peternakan antara lain dengan mengelompokkan wilayah berdasarkan karakteristiknya. Tujuan dari pengelompokan ini adalah agar informasi jenis ternak yang tersebar di setiap wilayah Jawa Barat menjadi lebih efisien dan spesifik. Salah satu cara untuk mengelompokkannya dapat ditemukan dengan menggunakan analisis cluster. Analisis cluster adalah teknik analisis statistik multivariat yang mengklasifikasikan objek ke dalam kelompok berdasarkan propertinya. Tujuan penulisan laporan ini adalah untuk mengkaji hasil cluster yang dibentuk dengan menggunakan algoritma K-Medoids. Algoritma ini merupakan metode yang kuat dalam mengelompokan wilayah-wilayah berdasarkan karakteristik peternakan yang berbeda untuk cluster kabupaten/kota di Provinsi Jawa Barat Tahun 2022. Dari hasil analisis cluster menggunakan K-Medoids pada tahun 2022 diperoleh 24 kabupaten/kota pada cluster 1, 2 kabupaten pada cluster 2 dan 1 kabupaten pada cluster 3. Hasil dari analisis cluster ini dapat memberikan wawasan yang berharga bagi pengambil keputusan dalam perencanaan dan pengembangan sektor peternakan. Dengan demikian, upaya-upaya yang dibutuhkan untuk meningkatkan produktivitas peternakan di Provinsi Jawa Barat dapat lebih terarah dan efektif.

show abstract

“…Dari nilai ini, evaluasi Cluster adalah baik, karena mendekati nol. Semakin kecil DBI, maka evaluasi terhadap Cluster dikatakan baik [6].…”

Section: Davies Bouldin Indexunclassified

Pengelompokan Kasus Penyakit Malaria Berdasarkan Kabupaten Di Provinsi Jawa Barat Dengan Algoritma K-Medoids

Nur alamsyah,

Narasati,

Solihudin

et al. 2024

jati

View full text Add to dashboard Cite

Penyakit malaria, disebabkan oleh parasit dari genus Plasmodium melalui gigitan nyamuk Anopheles Dampaknya melibatkan peningkatan kematian pada kelompok rentan seperti bayi, anak di bawah lima tahun, dan ibu melahirkan, sambil merugikan produktivitas kerja dan mengancam citra politis negara. Penderita utamanya berasal dari daerah pedesaan dan ekonomi lemah. Tujuan penelitian ini adalah mengidentifikasi tingkat keparahan kasus malaria berdasarkan provinsi menggunakan teknik data mining K-medoids dengan aplikasi RapidMiner. Dari hasil analisis, 24 provinsi teridentifikasi dengan tingkat penyakit malaria tertinggi, termasuk di jawa barat Rekomendasi diberikan agar pemerintah memberikan perhatian khusus pada provinsi-provinsi ini untuk mendukung upaya penanggulangan penyakit malaria. Tujuan dan manfaat dari penelitian ini adalah untuk memberikan pengetahuan mengenai hasil dari analisis menggunakan metode k-medoids selain itu untuk memberikan kontribusi dalam mendalami pengelompokan pada kasus penyakit malaria di kabupaten berdasarkan provinsi.

show abstract

Algoritma K-Medoids untuk Pengelompokan Produksi Padi dan Beras sebagai Upaya Optimalisasi Ketahanan Pangan di Provinsi Riau

Cited by 5 publications

References 4 publications

Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon

Perbandingan Algoritma K-Means Dan K-Medoids Untuk Pengelompokan Hasil Pertanian Di Kabupaten Cirebon

Penerapan Algoritma K-Medoids Dalam Menentukan Cluster Kabupaten Dan Kota Berdasarkan Populasi Peternakan Di Provinsi Jawa Barat

Pengelompokan Kasus Penyakit Malaria Berdasarkan Kabupaten Di Provinsi Jawa Barat Dengan Algoritma K-Medoids

Contact Info

Product

Resources

About