Penentuan Mutu Kelapa Sawit Menggunakan Metode K-Means Clustering

Abstract

The classification of the quality of palm oil in PT Tasma Puja is still done by laboratory testing and then the data is saved manually in Excel. The method of grouping takes time and allows data to be lost. With the development of knowledge, it can be replaced by a data mining approach that can be used to classify the quality of palm oil based on its standards. The k-Means clustering method can be applied to classify the quality of palm oil based on water, dirt and free fatty acids. The data used is the quality data of palm oil in December 2017 as many as 31 data with criteria of good, very good and not good. The test results contained 3 clusters, namely cluster 0 for good categories amounted to 12 data, cluster 1 for very good category amounted to 13 data and cluster 2 for less good categories amounted to 6 data. The k-Means clustering method can be used for data processing using the concept of data mining in grouping data according to criteria.

Pengelompokan Kecamatan di Kabupaten Sleman Berdasarkan Jenis Disabilitasnya Tahun 2022 Menggunakan K-Means Clustering

“…Penelitian lain yang dilakukan oleh [6] dengan judul "Penentuan Mutu Kelapa Sawit Menggunakan Metode K-Means Clustering" digunakan untuk mengelompokan suatu kulitas minyak kelapa sawit berdasarkan air, kotoran, dan asam lemak bebas. Data yang digunakan adalah data kualitas minyak kelapa sawit pada bulan Desember 2017 sebanyak 31 data dengan kriteria baik, sangat baik, dan kurang baik.…”

Analisa Clustering untuk Mengelompokan Data Penayangan Film Bioskop Menggunakan Algoritma K-Means

“…Penelitian terdahulu menurut Mulyadi dan Iriene Putri yang berjudul "Klasterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware" Tujuan dari penelitian merupakan sarana untuk membantu Toko dalam meningkatkan penjualan tuppeware dengan menghasilkan produk yang sangat laris dan tidak sama sekali laris, dari penelitian ini di dapatkan bahwa metode algoritma K-means layak dan efektif untuk pengelompokan 3 cluster, Cluster 1 (C1) Sangat Laris, Cluster 2 (C2) Laris, dan Cluster 3 (C3) Tidak Laris [6]. Metode K-means dapat diterapkan untuk mengelompokan data terbukti dengan hasil penelitian dari Nofiar, Andri Defit, dan Sarjon Sumijan, dengan hasil penelitian yang memberikan cluster 0 kategori baik berjumlah 12 data, cluster 1 kategori sangat baik berjumlah 13 data, dan cluster 2 kategori kurang baik berjumlah 6 data, diperoleh dari hasil metode K-means Clustering dapat digunakan untuk proses pengolahan data menggunakan konsep Data Mining dalam mengelompokkan data sesuai criteria [7].…”

Analisis Permasalahan Perangkat Pencetak Menggunakan Metode Algoritma K-Means dan K-Medoids

“…Clustering adalah teknik pengelompokkan pada data mining yaitu mengelompokkan data maupun obyek pada suatu cluster sehingga masing-masing data pada cluster tersebut berisi suatu data yang memiliki kemiripan dengan obyek pada cluster lainnya. [7].…”