<![CDATA[Cabai rawit (Capsicum frutescens) dan cabai keriting (Capsicum annuum) merupakan komoditas hortikultura strategis di Indonesia yang rentan terhadap fluktuasi harga akibat ketimpangan distribusi produksi antar provinsi. Penelitian ini bertujuan mengelompokkan 37 provinsi di Indonesia berdasarkan variabel produksi (kuintal) dan luas panen (hektare) kedua jenis cabai menggunakan algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Data bersumber dari dua dataset Badan Pusat Statistik (BPS) tahun 2025 yang diintegrasikan menjadi satu dataset terpadu. Pra-pemrosesan meliputi integrasi data, penghapusan data tidak lengkap (Papua Selatan), dan normalisasi menggunakan Z-Score Standardization. Penentuan jumlah klaster optimal K-Means dilakukan melalui Elbow Method dan divalidasi dengan Silhouette Score serta Davies-Bouldin Index (DBI), menghasilkan k=3 sebagai konfigurasi terbaik (Silhouette=0,802; DBI=0,387). Parameter DBSCAN ditetapkan melalui analisis grafik k-distance dan trial and error (ε=1,6; MinPts=3), menghasilkan tiga klaster dengan Jawa Timur teridentifikasi sebagai noise (Silhouette=0,811; DBI=0,573). K-Means unggul dalam separabilitas klaster (DBI lebih rendah), sedangkan DBSCAN unggul dalam kekompakan internal (Silhouette lebih tinggi). Tiga profil klaster K-Means terbentuk: Klaster Rendah (30 provinsi), Klaster Sedang (6 provinsi), dan Klaster Tinggi (1 provinsi: Jawa Timur). Hasil penelitian diharapkan menjadi acuan perumusan kebijakan pangan berbasis data di Indonesia.]]>
