Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal SITEDI SITEDI (Sistem Informasi dan Teknologi Digital)
Fadhillah, Muhammad Helmy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Keterkaitan Luas Panen, Curah Hujan, dan Suhu terhadap Hasil Produksi Padi di Wilayah Sumatera Menggunakan K-Means: The Relationship between Harvest Area, Rainfall and Temperature on Rice Production Results in the Sumatra Region Using K-Means Fadhillah, Muhammad Helmy; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.84

Abstract

Penelitian ini bertujuan untuk mengevaluasi hubungan antara luas panen, curah hujan, dan suhu terhadap produksi padi di Sumatera dengan menggunakan metode K-Means. Data yang dianalisis mencakup informasi mengenai manufaktur, panen, hujan curah, kelembapan, dan rata-rata suhu, yang dikumpulkan dari sumber terbuka untuk periode 1993 hingga 2020. Analisis dilakukan menggunakan perangkat lunak RapidMiner melalui pendekatan data mining dengan fokus pada teknik klasterisasi. Data mentah diproses terlebih dahulu agar hanya data numerik yang relevan digunakan. Klasterisasi K-Means diterapkan dengan jumlah klaster k=5k=5, menghasilkan lima kelompok: Cluster0 (31 data), Cluster1 (84 data), Cluster2 (7 data), Cluster3 (66 data), dan Cluster4 (36 data), dengan total 224 data. Iterasi dilakukan hingga hasil klasterisasi mencapai kestabilan dan menghasilkan model yang optimal. Evaluasi klasterisasi memanfaatkan Indeks Davies-Bouldin (DBI), di mana nilai DBI yang rendah menunjukkan keberhasilan klasterisasi dalam memisahkan data ke dalam kelompok yang jelas. Temuan menunjukkan bahwa metode K-Means mampu mengelompokkan data produksi padi secara efektif berdasarkan faktor-faktor agronomis yang dianalisis, memberikan pemahaman yang lebih baik tentang distribusi produksi yang dipengaruhi oleh kondisi iklim dan luas panen. Pendekatan ini diharapkan dapat menjadi dasar untuk pengambilan keputusan strategis dalam meningkatkan hasil pertanian, khususnya di daerah dengan karakteristik serupa. Selain itu, penelitian ini menekankan pentingnya penerapan teknologi data mining untuk meningkatkan efisiensi dan ketepatan analisis dalam sektor pertanian di Indonesia.
Keterkaitan Luas Panen, Curah Hujan, dan Suhu terhadap Hasil Produksi Padi di Wilayah Sumatera Menggunakan K-Means: The Relationship between Harvest Area, Rainfall and Temperature on Rice Production Results in the Sumatra Region Using K-Means Fadhillah, Muhammad Helmy; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.84

Abstract

Penelitian ini bertujuan untuk mengevaluasi hubungan antara luas panen, curah hujan, dan suhu terhadap produksi padi di Sumatera dengan menggunakan metode K-Means. Data yang dianalisis mencakup informasi mengenai manufaktur, panen, hujan curah, kelembapan, dan rata-rata suhu, yang dikumpulkan dari sumber terbuka untuk periode 1993 hingga 2020. Analisis dilakukan menggunakan perangkat lunak RapidMiner melalui pendekatan data mining dengan fokus pada teknik klasterisasi. Data mentah diproses terlebih dahulu agar hanya data numerik yang relevan digunakan. Klasterisasi K-Means diterapkan dengan jumlah klaster k=5k=5, menghasilkan lima kelompok: Cluster0 (31 data), Cluster1 (84 data), Cluster2 (7 data), Cluster3 (66 data), dan Cluster4 (36 data), dengan total 224 data. Iterasi dilakukan hingga hasil klasterisasi mencapai kestabilan dan menghasilkan model yang optimal. Evaluasi klasterisasi memanfaatkan Indeks Davies-Bouldin (DBI), di mana nilai DBI yang rendah menunjukkan keberhasilan klasterisasi dalam memisahkan data ke dalam kelompok yang jelas. Temuan menunjukkan bahwa metode K-Means mampu mengelompokkan data produksi padi secara efektif berdasarkan faktor-faktor agronomis yang dianalisis, memberikan pemahaman yang lebih baik tentang distribusi produksi yang dipengaruhi oleh kondisi iklim dan luas panen. Pendekatan ini diharapkan dapat menjadi dasar untuk pengambilan keputusan strategis dalam meningkatkan hasil pertanian, khususnya di daerah dengan karakteristik serupa. Selain itu, penelitian ini menekankan pentingnya penerapan teknologi data mining untuk meningkatkan efisiensi dan ketepatan analisis dalam sektor pertanian di Indonesia.
Co-Authors Firmansyah, Hasbi