Metode K-Means Cluster Untuk Mengelompokkan Kota/Kabupaten di Sumatera Selatan Berdasarkan Produksi Ikan Air Tawar

Yunita Febriani, Yulia Puspita Sari, Dina Octaria

Abstract


Sebaran produksi ikan air tawar di Sumatera Selatan dapat dibangun menjadi sebuah pemetaan. Pemetaan tersebut dapat dilakukan dengan menggunakan salah satu metode analisis klaster yaitu metode K-Means Cluster. K-Means Cluster merupakan algoritma clustering yang mengelompokkan data berdasarkan titik pusat cluster yang paling dekat dengan data tersebut. K-Means Cluster mengelompokkan data dengan memaksimalkan kesamaan data dalam satu cluster dan meminimalkan data antar cluster. Penelitian ini bertujuan untuk mengklasifikasikan kota/kabupaten di Sumatera Selatan berdasarkan produksi perikanan air tawar menggunakan metode K-Means Cluster. Pemetaan di sektor perikanan air tawar ini dapat membantu pemerintah provinsi dalam manajemen penyusunan kebijakan, sehingga dapat meningkatkan output produksi perikanan air tawar di setiap kota/kabupaten di Sumatera Selatan. Hasil penelitian menunjukkan bahwa terbentuk 2 cluster. Penentuan jumlah cluster didasarkan pada hasil kurva metode Elbow, Silhoutee dan Gaps Statistics. Klaster 1 termasuk kategori rendah, terdiri dari 12 kota/kabupaten. Sedangkan cluster 2 terdiri dari 2 kota/kabupaten. dan merupakan klaster kategori tinggi.


Keywords


Produksi Ikan Air Tawar; K-Means Cluster; Sumatera Selatan

Full Text:

PDF

References


Asroni., Ronal, A., 2015, Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Malang, Jurnal Ilmiah Semesta Teknika, Vol. 18, No. 1, hal. 76-82.

Bastian, A., 2018, Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka), Jurnal Sistem Informasi, Vol. 14, No.2.

BPS, Badan Pusat Statistik, 2017, Sumatera Selatan Dalam Angka 2016, BPS Sumatera Selatan, Palembang.

Darmi, Y., Agus, S., 2016. Penerapan Metode Clustering K-Means

Dalam Pengelompokan Penjualan Produk, Jurnal Media Infotama, Vol.12, No.2, hal. 148-157

Efendi, I., 2009, Pengantar Akuakultur, Peneber Swadaya, Jakarta

Ghofar, MA., Kurniawan, YI., 2018, Aplikasi Pengelompokan Pelanggan UMS Store Menggunakan Algoritma K-Means, Jurnal Teknologi & Manajemen Informatika, Vol. 4, No.1

Mattjik, AA., Sumertajaya, IM., 2011, Sidik Peubah Ganda Dengan Menggunakan SAS, Institut Pertanian Bogor Press, Bogor

Sari, Y.P., 2017, Analisis Faktor-Faktor Yang Mempengaruhi Jumlah Produksi Ikan Air Tawar Di Sumatera Selatan, Jurnal Agr IBA, Vol. 5, No. 1, hal. 58-62

Sharma, R., Alam, MA., Rani., Anita., 2012, K-Means Clustering In Spatial Data Mining Using Weka Interpace, Proceeding Of International Journal Of Computer Application (IJCA)

Sukoco, SH., 2018, Analisis Kinerja Pegawai PUSBINDIKLAT Peneliti LIPI Berdasarkan Pola Pemanfaatan Internet Melalui Pendekatan WEB USAGE MINING. Master Thesis, Institut Pertanian Bogor




DOI: http://dx.doi.org/10.31851/sainmatika.v18i2.6722

Article Metrics

Abstract view : 0 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam p-ISSNĀ 1829-586X (print), e-ISSN 2581-0170 (online)

Sainmatika:
Fakultas Sains dan Teknologi Universitas PGRI Palembang
Jl. Ahmad Yani Lrg. Gotong Royong 9/10 Ulu Palembang 30251
e-mail: sainmatika@univpgri-palembang.ac.id

Creative Commons License
Sainmatika: Jurnal Ilmiah Matematika dan ilmu Pengetahuan Alam by https://jurnal.univpgri-palembang.ac.id/index.php/sainmatika/ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.