Pengelompokan Hasil Perkebunan di Indonesia Menggunakan Fuzzy C-Means

Nora Aisyah, Adinda Ika Sukarni, Dian Candra Rini Novita Sari

Abstract


Perkebunan merupakan subsektor yang dapat meningkatkan kesejahteraan masyarakat dan juga menambah kekayaan negara indonesia (devisa). Hasil perkebunan dikelompokkan guna mengetahui daerah di Indonesia yang memiliki hasil perkebunan yang kurang baik atau termasuk daerah kurang produktif sehingga dapat dilakukan pembenahan strategi atau pengolahan perkebunan di Indonesia. Pengelompokan atau klasifikasi dilakukan dengan menggunakan metode fuzzy c means dengan data hasil perkebunan kelapa, kelapa sawit, kopi, kakao, karet di Indonesia tahun 2018, 2019, 2020. Penentuan jumlah cluster atau klasifikasi pada fuzzy c-means dilakukan menggunakan uji silhouette index, hal ini dilakukan agar mendapat cluster optimal. Hasil uji silhouette index didapat jumlah cluster optimal yakni 4 cluster, didapatkan daerah yang memiliki hasil perkebunan yang produktif paling tinggi terdapat pada provinsi Riau dan Kalimantan Tengah.


Keywords


Fuzzy C-Means; Perkebunan; Produktifitas; silhouette index

Full Text:

PDF

References


N. Ulinnuha, “Provincial Clustering in Indonesia Based on Plantation Production Using Fuzzy C-Means,” J. Ilm. Teknol. dan Inf., vol. 9, no. 1, pp. 8–12, 2020.

A. Candra and M. I. Sundarta, “Sistem Akuntansi Lingkungan Pada Industri Perkebunan Sawit di Kalimantan Tengah,” Neraca Keuang. J. Ilm. Akunt. dan Keuang., vol. 13, no. 1, pp. 1–25, 2018.

B. P. Statistik, “Statistik Kakao Indonesia 2020,” Badan Pusat Statistik, 2021, p. 10.

B. Poerwanto and B. Ali, “Implementasi Algoritma Fuzzy C-Means dalam Mengelompokkan Kecamatan di Tana Luwu Berdasarkan Produktifitas Hasil Perkebunan,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 19, no. 1, pp. 163–172, 2019, doi: 10.30812/matrik.v19i1.499.

S. Agung Priambodo and A. Zakki Falani, “Pemanfaatan Data Mining Untuk Klasterisasi Potensi Produksi Beras di Kabupaten Blitar Dengan Menggunakan Metode Fuzzy C-Means,” 2020. [Online]. Available: https://www.blitarkab.go.id/.

N. Afifah, D. C. Rini, and A. Lubab, “Pengklasteran Lahan Sawah Di Indonesia Sebagai Evaluasi Ketersediaan Produksi Pangan Menggunakan Fuzzy C-Means,” J. Mat. “MANTIK,” vol. 2, no. 1, p. 40, 2016, doi: 10.15642/mantik.2016.2.1.40-45.

A. Rohmatullah, D. Rahmalia, and M. S. Pradana, “Klasterisasi Data Pertanian di Kabupaten Lamongan Menggunakan Algoritma K-Means Dan Fuzzy C Means,” J. Ilm. Teknosains, vol. 5, no. 2, p. 1, 2019.

H. Latipa Sari, “Fuzzy Clustering Dalam Pengclusteran Data Curah Hujan Kota Bengkulu Dengan Algoritma C-Means,” J. Ilm. MATRIK, vol. 16, no. 2, pp. 115–124, 2019.

M. N. Sutoyo and A. T. Sumpala, “Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis,” Sci. J. Informatics, vol. 2, no. 2, pp. 2407–7658, 2018, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji.

A. Praja, C. Lubis, and D. E. Herdiwindiati, “Deteksi Penyakit Diabetes Dengan Metode Fuzzy C-Means Clustering dan K-Means Clustering,” Comput. J. Comput. Sci. Inf. Syst., vol. 1, 2018.

V. Herlinda, D. Darwis, and D. Dartono, “Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, pp. 94–99, 2021.

E. Prabowo and R. Kurniawan, “Optimasi Algoritma Fuzzy Clustering dengan Menggunakan Algoritma Forest Optimization,” Inf. Syst. Dev. [ISD], vol. 4, no. 1, 2019.




DOI: https://doi.org/10.24114/cess.v9i2.50682

Article Metrics

Abstract view : 98 times
PDF - 86 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot