PENERAPAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN EFISIENSI PROSES PRODUKSI CRUDE PALM OIL (CPO)

Simamora, Winda Sari Depi
Ramadhan, Muhammad Sabir

JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Vol 8, No 4 (2025): November 2025

Abstract: This study aims to apply the K-Means Clustering algorithm in a data mining approach to classify the production efficiency of Crude Palm Oil (CPO) at PT Asian Agri Tanah Datar. The data used consists of three main parameters: VM (Moisture), Dirt, and FFA (Free Fatty Acid), which serve as indicators of production quality and efficiency. The research uses a quantitative method with data analysis based on the K-Means algorithm. The process includes data preprocessing, determination of the optimal number of clusters using the Elbow Method, application of the K-Means algorithm, and evaluation of clustering results. The findings show that K-Means successfully grouped the production data into three efficiency categories: high, medium, and low, achieving convergence at the second iteration. The developed application, built using PHP and MySQL, effectively automates the clustering process from dataset input to displaying results in tabular form. The first cluster represents the highest efficiency group, while the third cluster indicates low efficiency requiring process improvement. Overall, the implementation of the K-Means Clustering method has proven to assist the company in analyzing and improving CPO production efficiency in a structured, fast, and data-driven manner. Keywords: K-Means Clustering, Data Mining, Production Efficiency, Crude Palm Oil, PHP, MySQL. Abstrak: Penelitian ini bertujuan untuk menerapkan metode data mining dengan algoritma K-Means Clustering dalam mengelompokkan data efisiensi proses produksi Crude Palm Oil (CPO) di PT Asian Agri Tanah Datar. Data yang digunakan meliputi tiga parameter utama yaitu VM (Moisture), Dirt, dan FFA (Free Fatty Acid) yang menjadi indikator kualitas dan efisiensi proses produksi. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis data berbasis algoritma K-Means. Proses penelitian meliputi tahapan preprocessing data, penentuan jumlah cluster optimal menggunakan metode Elbow, penerapan algoritma K-Means, serta evaluasi hasil clustering. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan data produksi menjadi tiga kategori, yaitu efisiensi tinggi, sedang, dan rendah, dengan tingkat konvergensi tercapai pada iterasi kedua. Aplikasi berbasis PHP dan MySQL yang dikembangkan berhasil mengotomatisasi proses pengelompokan data, mulai dari input dataset hingga visualisasi hasil dalam bentuk tabel. Hasil akhir menunjukkan bahwa cluster pertama merupakan kelompok efisiensi tertinggi, sedangkan cluster ketiga menunjukkan efisiensi rendah yang memerlukan perbaikan proses produksi. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan metode K-Means Clustering dapat membantu pihak perusahaan dalam menganalisis dan meningkatkan efisiensi proses produksi CPO secara cepat, terstruktur, dan berbasis data. Kata kunci: K-Means Clustering, Data Mining, Efisiensi Produksi, Crude Palm Oil, PHP, MySQL.