Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat

Pasaribu, Deny Franata; Damanik, Irfan Sudahri; Irawan, Eka; Suhada,; Tambunan, Heru Satria

doi:10.37148/bios.v2i1.17

Cited by 8 publications

(12 citation statements)

References 5 publications

(5 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ditandai dengan berbagai tanaman Sawit disepanjang jalur masuk desa Sidomulyo. Pengaruh Plasma terhadap warga sekitar sangat besar (Pasaribu et al, 2021). Semangat petani mengubah lahannya menjadi sawit cukup terbuka.…”

Section: 2pembahasan Aunclassified

Eksistensi Modal Sosial Petani Sawit Di Desa Sidomulyo Kecamatan Wanaraya Kabupaten Barito Kuala

Nur

Hidayat

Azis

2022

JIME

View full text Add to dashboard Cite

This research is focused on the study of the social capital of oil palm farmers in Sidomulyo Village, Wanaraya District, Barito Kuala Regency, South Kalimantan Province. This study aims to: first, identify the social capital owned by oil palm independent smallholders. Second, describe the maintenance of their social capital. This study uses qualitative research methods to gain a deep understanding of the social capital of independent smallholders that supports their success in the management of oil palm plantations. This research was conducted in Sidomulyo village, Wanaraya district, Barito Kuala Regency, South Kalimantan Province. Informants as sources of information were selected using purposive sampling technique. Data mining was carried out by observation, in-depth interviews (in-depth interviews) with selected informants and diaries are one of the important data sources in the research used in this study.. This study found: (1) Forms of social networks built by farmers and middlemen to sell oil palm to palm oil processing companies. (2) Their membership in farmer groups (3) The work ethic of the farmers as a transmigrant.

show abstract

Section: 2pembahasan Aunclassified

Eksistensi Modal Sosial Petani Sawit Di Desa Sidomulyo Kecamatan Wanaraya Kabupaten Barito Kuala

Nur

Hidayat

Azis

2022

JIME

View full text Add to dashboard Cite

show abstract

“…Selain itu, teknik K-Means Clustering dapat juga dikombinasikan dengan metode lainnya, seperti pada penelitian dalam memprediksi profil pemakaian beban panas skala besar di sektor komersial, industri, publik atau residensial yang fokus pada industri manufaktur [11]. Pada penggunaan teknik yang sama, penelitian pengelompokan yang memfokuskan pada tanaman kelapa sawit dilakukan untuk pemetaan hasil produksi buah sawit, mengetahui blok tanaman kelapa sawit paling produktif dan tidak produktif, serta untuk mengetahui pengelompokan jenis tanaman kelapa sawit produktif sehingga dapat meningkatkan produksi dan kesejahteraan karyawan [12,13,14].…”

Section: Pendahuluanunclassified

Segmentasi Perkebunan Kelapa Sawit dengan Data Mining Teknik K-Means Clustering Berdasarkan Luas Areal, Produksi dan Produktivitas

Yuniarti

Hayati

2021

INVENTORY

View full text Add to dashboard Cite

The oil palm is the most productive plantation product in Indonesia. Government strategies and policies related to oil palm plantations continue to be carried out considering that the plantation area is increasing every year. Segmentation of oil palm plantations based on area, production, and productivity aims to identify groups of potential oil palm plantations in the territory of Indonesia. This segmentation can provide consideration in formulating strategies and policies that will be made by the government. The segmentation method for grouping oil palm plantations uses the K-Means Clustering Data Mining technique with 3 clusters specified. Data mining stages start from data collection until representation is carried out, where 34 data sets are collected, only 25 data sets can be processed further. The results of this grouping obtained three plantation segments, namely 72% of the plantation group with low potential, 20% of the plantation group with medium potential, and 8% of the plantation group with high potential.

show abstract

“…Menghitung nilai centroid 7. Jika ada perubahan pada centroid maka proses kembali ke langkah 3, jika tidak ada perubahan centroid proses selesai [7].…”

Section: Proses Clustering Data Dengan Algoritma K-meansunclassified

Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K-Means Clustering

Nasari¹

2021

JUSIT

View full text Add to dashboard Cite

Riau merupakan salah satu provinsi di Indonesia dengan luas area dan produksi kelapa tertinggi di Indonesia. Penyebaran perkebunan kelapa sawit di provinsi riau menyebar hamper merata diseluruh kabupatan/kota. Produksi kelapa sawit setiap daerah bervariasi, oleh karena itu perlu adanya pengclusteran daerah berdasarkan produksi kelapa sawit. Algoritma k-means clustering mampu mengelompokkan data yang sama dalam kelompok yang sama. Pengelompokkan data berdasarkan jarak kemasing-masing centroid. Tujuan penelitian ini adalah mengcluster daerah sesuai dengan jumlah produksi kelapa sawit yang ada di provinsi riau kedalam 2, 3, dan 5 cluster. Hasil dari penelitian ini algoritma k-means mampu mengelompokkan daerah berdasarkan produksi kelapa sawit dengan hasil cluster, jika data dikelompokkan menjadi 2 cluster terdapat 6 daerah masuk pada cluster 0 dan 6 daerah masuk pada cluster 1. Hasil pengelompokkan 3 cluster terdapat 5 daerah pada cluster 0, 4 daerah pada cluster 1 dan 3 daerah pada cluster 2.

show abstract

Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat

Cited by 8 publications

References 5 publications

Eksistensi Modal Sosial Petani Sawit Di Desa Sidomulyo Kecamatan Wanaraya Kabupaten Barito Kuala

Eksistensi Modal Sosial Petani Sawit Di Desa Sidomulyo Kecamatan Wanaraya Kabupaten Barito Kuala

Segmentasi Perkebunan Kelapa Sawit dengan Data Mining Teknik K-Means Clustering Berdasarkan Luas Areal, Produksi dan Produktivitas

Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K-Means Clustering

Contact Info

Product

Resources

About