<![CDATA[Jumlah produksi tanaman pangan dalam lima tahun terakhir di Sumatra Barat selalu menurun yang dapat mempengaruhi perekonomian dan ketahanan pangan di Provinsi Sumatera Barat. Dalam meningkatkan ketahanan pangan dilakukan clustering untuk mengidentifikasi kemiripan potensi antar Kabupaten/Kota berdasarkan produksi tanaman pangan di Sumatera Barat menggunakan K-Means dan K-Medoids Clustering. Penelitian ini bertujuan untuk membandingkan dan mengetahui algoritma mana yang lebih optimal antara K-Means dan K-Medoids Clustering dalam pengelompokan Kabupaten/Kota berdasarkan produksi tanaman pangan di Provinsi Sumatera Barat serta menginterpretasikan hasil pengelompokannya. Penelitian ini merupakan penelitian terapan dan jenis data yang digunakan dalam penelitian ini adalah data sekunder tentang jumlah produksi tanaman pangan di Provinsi Sumatera Barat tahun 2022. Sumber data diperoleh dari website resmi Badan Pusat Statistika Sumatera Barat. Dengan menggunakan 7 variabel yaitu padi, jagung, kedelai, kacang hijau, kacang tanah, ubi jalar dan ubi kayu. Pada penelitian ini dilakukan proses clustering dengan menggunakan jarak Euclidean dan evaluasi cluster dengan menggunkan DBI (Davies Bouldin Index). Hasil penelitian menunjukkan bahwa cluster yang terbentuk yaitu sebanyak 3 cluster dilihat dari K = 3 dengan menggunakan metode elbow. Pada K-Means Clustering diperoleh hasil cluster 1 sebanyak 11 Kabupaten/Kota, cluster 2 sebanyak 6 Kabupaten/Kota, cluster 3 sebanyak 2 Kabupaten/Kota dan hasil evaluasi cluster DBI sebesar 0.64. Pada K-Medoids Clustering diperoleh hasil cluster 1 sebanyak 8 Kabupaten/Kota, cluster 2 sebanyak 4 Kabupaten/Kota, cluster 3 sebanyak 4 Kabupaten/Kota dan hasil evaluasi cluster DBI sebesar 0.92. Sehingga, algoritma yang lebih optimal dalam pengelompokan Kabupaten/Kota berdasarkan Produksi Tanaman Pangan di Provinsi Sumatera Barat adalah menggunakan K-Means Clustering.]]>
Copyrights © 2024
