Purnomo Priyadi, Wahyu
Unknown Affiliation

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

Found 1 Documents
Search

PENERAPAN DATA MINING UNTUK CLUSTERING WILAYAH PRODUKSI PADI MENGGUNAKAN METODE K-MEANS: STUDI KASUS WILAYAH JAWA TIMUR Purnomo Priyadi, Wahyu; Dedy Irawan, Joseph; Faisol, Ahmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10544

Abstract

Wilayah Jawa Timur adalah wilayah dengan produksi padi yang signifikan di Indonesia, menyumbang sekitar seper-enam dari total produksi padi nasional. Meskipun demikian, terdapat ketidaksetaraan dalam produktivitas panen padi di berbagai kab dan kota di Jawa Timur. Penelitian ini dilakukan untuk mengidentifikasi dan mengelompokkan wilayah-wilayah di Provinsi Jawa Timur berdasarkan efisiensi produksi padi menggunakan algoritma K-Means clustering. Faktor-faktor yang dianalisis meliputi luas panen, produktivitas, dan produksi padi. Metode penelitian yang digunakan melibatkan prosedur clustering dengan algoritma K-Means, yang mencakup inisialisasi pusat klaster secara random, penghitungan jarak antara data dengan pusat cluster menggunakan jarak Euclidean, dan iterasi hingga cluster tidak berubah. Hasil analisis menunjukkan bahwa data dapat dikelompokkan ke dalam tiga cluster utama dengan karakteristik produksi padi yang berbeda: rendah, sedang, dan tinggi. Hasil pengujian implementasi web dengan implementasi perhitungan K-Means data mining seperti misalnya di tahun 2018 pada kabupaten pacitan hasil perhitungan manual kmeans menunjukan cluster 1 dan hasil perhitungan sistem menunjukan cluster 1 juga yang berarti tidak ada selisih. dengan adanya pembuktian tersebut dengan tidak adanya selisi menjadikan web ini memiliki akurasi 99% dapat digunakan sebagaimana mestinya . Sistem yang dikembangkan juga telah diuji dengan metode blackbox dan menunjukkan keakuratan dalam mengelompokkan data produksi padi.