Penerapan Algoritma K-Means Pada Pengelompokan Data Set Bahan Pangan Indonesia Tahun 2022-2023

Abstract

Tujuan Penelitian ini adalah melakukan pengelompok/kluster yang optimal menggunakan algoritma k-means pada dataset Bahan Pangan .Oleh karena itu, penelitian ini menggunakan metode analisa data Knowledge Discovery in Database (KDD) Sumber data penelitian ini diperoleh dari website Pusat Infromasi Harga Pangan Strategis Nasional. Data ini kumpulan data dari bulan Desember 2022-Januari 2023. Penelitian ini menggunakan clustering metode K-Means untuk mengelompokan data tersebut dengan metode K-Means yang sederhana. Algoritma K-Means sebuah metode pengelompokan berdasarkan jarak terdekat, dimana jarak terdekat ini digunakan untuk membagi data ke dalam sebuah cluster. Dalam penelitian ini, menghasilkan Davies Bouldin Index dari K = 2 sampai K =20, maka hasil cluster yang paling optimum adalah K = 2 dengan hasil Davies Bouldin Index sebesar 0,694.

Implementasi Teknik Data Mining Pada Data Kunjungan Wisatawan Menggunakan K-Means Clustering Di Hotel Bintang Kota Cirebon

“…Pertama kali diperkenalkan oleh Stuart Llyold pada tahun 1984, algoritma K-Means telah menjadi salah satu algoritma yang paling banyak digunakan [10]. K-Means termasuk kedalam metode nonhierarki, Algoritma K-Means membagi data ke dalam dua kelompok atau lebih.…”