Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal INTI Nusa Mandiri Jurnal Esensi Infokom: Jurnal Esensi Sistem Informasi dan Sistem Komputer KOMPUTASI
Jaya, Jefri
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perbandingan Algoritma K-Means dan Fuzzy C-Means untuk Klasterisasi Produktivitas Kedelai di Pulau Jawa Jaya, Jefri; Handhayani, Teny
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 9 No 1 (2025): Jurnal Esensi Infokom : Jurnal esensi sistem informasi dan sistem komputer
Publisher : Lembaga Riset dan Pengabdian Masyarakat Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v9i1.949

Abstract

Kedelai merupakan tanaman pangan yang memiliki nilai ekonomi yang tinggi dan merupakan salah satu bahan pangan yang sering di konsumsi oleh masyarakat Indonesia. Meskipun memiliki potensi besar dalam mendukung ketahanan pangan nasional, Indonesia masih menghadapi tantangan dalam memenuhi kebutuhan kedelai secara mandiri. Hal ini disebabkan oleh keterbatasan produksi lokal yang belum mampu mengimbangi tingginya permintaan masyarakat. Akibatnya, Indonesia masih bergantung pada impor kedelai dari luar negeri untuk memenuhi kebutuhan domestik. Penelitian ini bertujuan menghasilkan informasi berupa pengelompokkan wilayah, menganalisis pola tren pertumbuhan, dan menentukan model klasterisasi yang paling optimal dari K-Means dan Fuzzy C-Means dengan menggunakan data tanaman pangan Kedelai di Pulau Jawa. Data yang digunakan berupa time series tahunan dari tahun 2010 hingga 2022, yang diperoleh dari situs Basis Data Statistik Pertanian. Hasil evaluasi silhouette dari metode K-Means dan Fuzzy C-Means memiliki hasil yang serupa dalam menentukan klasterisasi data berdasarkan nilai k yang paling optimal berada di 0.4659 dengan jumlah klaster k = 2. Tiap klaster terbagi menjadi 2 klaster, klaster 0 memiliki 66 wilayah dengan hasil produktivitas rendah, klaster 1 memiliki 16 wilayah dengan hasil produktivitas tinggi.
IMPLEMENTASI METODE CLUSTERING UNTUK PEMETAAN WILAYAH PRODUKSI DAN EKSPOR KOPI DI INDONESIA Dwi Saputra, Arya; Jaya, Jefri; Handhayani, Teny; Sitorus Dolok Lauro , Manatap
INTI Nusa Mandiri Vol. 20 No. 1 (2025): INTI Periode Agustus 2025
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v20i1.6903

Abstract

Coffee is one of the main agricultural commodities in Indonesia, but the distribution of production and export contribution is still uneven. This study aims to map the patterns of coffee production and export in Indonesia using clustering methods, namely K-Means and Hierarchical Agglomerative Clustering (AHC). The data used includes coffee production by province and regency (2015–2022), as well as coffee export data by destination country (2016–2023), obtained from BDSP and BPS. The system is developed in the form of an interactive website that allows users to upload datasets, select clustering methods, and view analysis results in the form of tables, graphs, and interactive maps. Clustering quality is evaluated using the Silhouette Score and Davies-Bouldin Index (DBI). The testing results show that the optimal number of clusters is two for all datasets, with the highest Silhouette score reaching 0.85 and the lowest DBI of 0.21, indicating good clustering quality. AHC is more effective in analyzing export and provincial-level production data, while K-Means performs better for regency-level data. This system is expected to provide insights into the distribution patterns of coffee production and exports and support decision-making in the agricultural sector, particularly for coffee commodities.
Perbandingan Algoritma K-Means dan Fuzzy C-Means untuk Klasterisasi Produktivitas Kedelai di Pulau Jawa Jaya, Jefri; Handhayani, Teny
Jurnal Esensi Infokom : Jurnal Esensi Sistem Informasi dan Sistem Komputer Vol 9 No 1 (2025)
Publisher : Institut Bisnis Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55886/infokom.v9i1.949

Abstract

Kedelai merupakan tanaman pangan yang memiliki nilai ekonomi yang tinggi dan merupakan salah satu bahan pangan yang sering di konsumsi oleh masyarakat Indonesia. Meskipun memiliki potensi besar dalam mendukung ketahanan pangan nasional, Indonesia masih menghadapi tantangan dalam memenuhi kebutuhan kedelai secara mandiri. Hal ini disebabkan oleh keterbatasan produksi lokal yang belum mampu mengimbangi tingginya permintaan masyarakat. Akibatnya, Indonesia masih bergantung pada impor kedelai dari luar negeri untuk memenuhi kebutuhan domestik. Penelitian ini bertujuan menghasilkan informasi berupa pengelompokkan wilayah, menganalisis pola tren pertumbuhan, dan menentukan model klasterisasi yang paling optimal dari K-Means dan Fuzzy C-Means dengan menggunakan data tanaman pangan Kedelai di Pulau Jawa. Data yang digunakan berupa time series tahunan dari tahun 2010 hingga 2022, yang diperoleh dari situs Basis Data Statistik Pertanian. Hasil evaluasi silhouette dari metode K-Means dan Fuzzy C-Means memiliki hasil yang serupa dalam menentukan klasterisasi data berdasarkan nilai k yang paling optimal berada di 0.4659 dengan jumlah klaster k = 2. Tiap klaster terbagi menjadi 2 klaster, klaster 0 memiliki 66 wilayah dengan hasil produktivitas rendah, klaster 1 memiliki 16 wilayah dengan hasil produktivitas tinggi.
Co-Authors Dwi Saputra, Arya Sitorus Dolok Lauro , Manatap Teny Handhayani