Rani Klida Afiani, Fitra
Unknown Affiliation

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

Found 1 Documents
Search

PENERAPAN K-MEANS CLUSTERING UNTUK MENGETAHUI VARIETAS PADI UNGGUL PRODUKSI BALAI PENGKAJIAN TEKNOLOGI PERTANIAN JAWA TIMUR Rani Klida Afiani, Fitra
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 2 No. 1 (2018): JATI Vol. 2 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1238.998 KB) | DOI: 10.36040/jati.v2i1.1688

Abstract

Banyaknya varietas padi unggul dalam riwayat pertanian Indonesia adalah suatu keuntungan tersendiri bagi masyarakat maupun pemerintah. Pasalnya, fokus penanaman varietas unggul mampu meningkatkan hasil dan kualitas pertanian padi yang merupakan sumber pangan utama bersektor tanam terluas di Indonesia. Akan tetapi, keanekaragaman varietas padi unggul mampu menimbulkan masalah di bidang penelitian yang bertujuan menciptakan varietas-varietas unggul baru lainnya apabila kurang adanya informasi yang memadai.Dalam proses penelitian, produksi maupun distribusi, pihak Unit Pengelola Benih Sumber BPTP masih memanfaatkan pencatatan manual pada buku maupun nota-nota. Padahal, hingga saat ini saja tercatat 37 varietas Inpari, 19 varietas Hipa, 10 varietas Inpago dan 9 varietas Inpara sebagai varietas unggul baru, belum termasuk varietas unggul sebelumnya. Petugas akan kesulitan dalam melakukan pendataan dikarenakan faktor waktu, dana dan keakuratan data sehingga pemilihan kelompok varietas unggul padi yang akan diteliti atau diproduksi dipilih secara subyektif. Oleh karena itu untuk mempermudah pengelompokan varietas unggul padi, penulis membangun sebuah sistem pendukung keputusan memanfaatkan metode K-Means Clustering. Data-data padi dikelompokan ke dalam 3 cluster yaitu unggul, sedang dan kurang, serta dikelompokan berdasarkan kriteria -kriteria padi unggul yaitu umur, tingkat rontok, kadar amilosa, berat butit dan rata hasil panen. Sistem ini dibangun menggunakan software Microsoft Visual Studio 2010 dan Microsoft SQL Server 2008.Hasil pengujian metode K-Means Clustering mendapatkan hasil bahwa perhitungan manual dengan sistem memiliki kesesuaian sebesar 100%, sedangkan pengujian metode dari sistem dengan data pakar memiliki keakuratan sebesar 92.54%. Dari pengujian fungsionalitas sistem dengan operating system yang berbeda yaitu Windows 7 Professional, Windows 8.1 dan Windows 10, didapatkan hasil sistem dapat berjalan 100% sesuai dengan fungsinya. Sedangkan hasil pengujian user dari 13 koresponden menunjukan bahwa 83.1% sistem berjalan dengan baik dan 16.9% sisanya memiliki nilai cukup.