Klastering Sayuran Unggulan Menggunakan Algoritma K-Means

Abstract

Hortikultura khususnya sayuran memiliki potensi besar untuk dikembangkan karena menjadi sumber pendapatan bagi masyarakat dan petani kecil di setiap daerah disebabkan negara Indonesia disebut sebagai negara agraris dengan sebagian besar bekerja dibidang pertanian. Kabupaten Mandailing Natal merupakan kabupaten dengan wilayah terluas di provinsi Sumatera Utara tapi Mandailing Natal belum dapat mengungguli produksi panen tanaman sayuran di Sumatera Utara. Metode penambangan data dapat menemukan pola yang menarik dan tidak terlihat dalam kumpulan data salah satu metodenya adalah algoritma K-Means klastering yang mengelompokkan data ke dalam cluster berdasarkan kesamaan karakteristik data. Pada penelitian ini dilakukan klastering pada data sayuran yang bertujuan untuk mengetahui komoditi yang berpotensi pada setiap daerah di Kabupaten Mandailing Natal, tanaman yang berpotensi di daerah akan tetap dijaga dan ditingkatkan produksinya sedangkan tanaman sayuran yang produksinya masih rendah akan menjadi prioritas untuk meningkatkan hasil produksinya. Metode penelitian yang digunakan pada penelitian ini dengan melakukan pengumpulan data sayuran dari Badan Pusat Statistik berupa data luas panen, produksi, luas tanaman, dan luas penanaman baru. Selain itu, pengumpulan data juga dilakukan dengan melakukan kajian teori pada jurnal. Hasil klastering sayuran unggulan menggunakan algoritma K-Means berupa pengelompokan potensi ke dalam 3 klaster yaitu klaster rendah, sedang, dan tinggi dan didapatkan output berupa sistem berbasis web dalam pengaplikasiannya. Adapun hasil analisa klastering yang didapatkan dengan masing-masing total data 69 data yaitu cabai besar dengan hasil C1 81%, C2 16% dan C3 3%. Cabai Rawit C1 29%, C2 48% dan C3 23%. Kacang Panjang C1 26%, C2 38% dan C3 36%. Kangkung C1 39%, C2 36% dan C3 25%. Terung C1 43%, C2 29% dan C3 28%. Tomat C1 41%, C2 58% dan C3 1%.

Keywords

• data
• hortikultura
• klastering
• k-means