Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan K-Means Clustering untuk Klasifikasi Jenis Beras Berdasarkan Tren Harga di Pasar Induk Beras Cipinang (PIBC) Ubaidillah, Muhamad Rizal; Santoso, Nugroho Adhi; Utami, Erni Ungguk Sedya
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 3 (2025): Agustus - October
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i3.2594

Abstract

Harga beras yang fluktuatif di Pasar Induk Beras Cipinang (PIBC) memerlukan analisis berbasis data untuk memahami pola pergerakan harga dan mendukung kebijakan distribusi yang tepat. Penelitian ini bertujuan untuk mengelompokkan jenis-jenis beras berdasarkan kesamaan tren harga tahunan selama periode 2020–2024. Metode yang digunakan adalah algoritma K-Means Clustering dengan tahapan pra-pemrosesan data menggunakan Min-Max Scaling, penentuan jumlah klaster optimal melalui metode Elbow, dan evaluasi hasil menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa 14 jenis beras berhasil dikelompokkan ke dalam tiga klaster utama, yaitu klaster harga rendah (seperti IR-64 I, IR-64 II, dan Muncul III), klaster harga menengah (seperti Cianjur Kepala, Setra Ramos, dan Saigon), serta klaster harga tinggi (Ketan Hitam dan Ketan Putih Paris), dengan nilai Silhouette Score sebesar 0,507 yang menunjukkan kualitas pengelompokan cukup baik. Implikasi penelitian ini adalah metode data mining dapat digunakan untuk memetakan segmentasi pasar beras secara efektif, sehingga pihak terkait seperti pedagang, distributor, dan pembuat kebijakan dapat lebih mudah merumuskan strategi distribusi dan intervensi harga yang tepat sasaran.