Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems
Rendy Denny
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Clustering Karakteristik Harga Pangan Strategis Antar Provinsi Indonesia 2021-2024 Menggunakan K-Means dan Hierarchical Clustering Rendy Denny
Computatio : Journal of Computer Science and Information Systems Vol. 9 No. 2 (2025): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Harga pangan strategis memiliki peran penting dalam ketahanan pangan karena perubahan harga dapat menunjukkan perbedaan karakteristik antarwilayah dan antarjenis komoditas. Penelitian ini bertujuan menganalisis karakteristik harga pangan strategis antarprovinsi Indonesia periode 2021-2024 menggunakan metode K-Means dan Hierarchical Clustering. Dataset yang digunakan terdiri dari 18.792 baris data, 38 provinsi, 12 komoditas pangan strategis, dan 4 tahun pengamatan. Tahap pra-pemrosesan dilakukan dengan membersihkan format harga, menangani 59 nilai kosong menggunakan backward fill, mengonversi bulan, serta membentuk data agregat berdasarkan kombinasi provinsi, komoditas, dan bulan. Setelah proses agregasi, jumlah data yang digunakan dalam pemodelan menjadi 5.328 baris. Fitur yang digunakan berjumlah 7, yaitu harga rata-rata, harga median, harga minimum, harga maksimum, standar deviasi, rentang harga, dan koefisien variasi. Data dinormalisasi menggunakan StandardScaler sebelum diproses dengan kedua metode. Evaluasi dilakukan pada jumlah cluster 2 sampai 10 menggunakan Silhouette Score, Davies-Bouldin Index, Calinski-Harabasz Index, dan waktu komputasi. Hasil evaluasi menunjukkan bahwa nilai Silhouette Score tertinggi diperoleh pada 2 cluster untuk kedua metode. Namun, konfigurasi 10 cluster digunakan sebagai interpretasi utama karena memberikan pembagian karakteristik harga yang lebih rinci. Pada 10 cluster, K-Means memperoleh Silhouette Score 0,4501, Davies-Bouldin Index 0,7042, Calinski-Harabasz Index 7499,0354, dan waktu komputasi 0,1678 detik. Hierarchical Clustering memperoleh Silhouette Score 0,4378, Davies-Bouldin Index 0,7679, Calinski-Harabasz Index 6686,5556, dan waktu komputasi 1,4277 detik
Co-Authors