<![CDATA[Padi merupakan komoditas pangan utama di Indonesia yang menjadi bahan makanan pokok mayoritas masyarakat dan berperan penting dalam perekonomian nasional. Namun, tingginya volume impor beras menunjukkan bahwa produksi padi dalam negeri belum mencukupi kebutuhan pangan nasional. Oleh karena itu, diperlukan analisis karakteristik daerah penghasil padi berdasarkan luas panen,hasil produksi, dan produktivitas. Hal ini penting untuk mengidentifikasi daerah - daerah yang memiliki kontribusi tinggi maupun rendah terhadap produksi padi nasional. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma clustering, yaitu K-Means dan Agglomerative Hierarchical Clustering (AHC) untuk pengelompokan daerah penghasil padi di Indonesia. Berdasarkan hasil evaluasi, metode AHC (Average Linkage) menunjukkan kinerja yang lebih optimal dibandingkan K-Means, dengan nilai Silhouette Coefficient sebesar 0,723 dan Davies-Bouldin Index sebesar 0,229. Adapun K-Means menghasilkan nilai Silhouette Coefficient sebesar 0,696 dan Davies-Bouldin Index sebesar 0,404.]]>
Copyrights © 2025
