Implementasi Data Mining Untuk Clustering Produktivitas Bawang Merah Menggunakan Metode K-Means

Siti Nurhaliza Sofyan Sitinur; Zulham  Sitorus

doi:10.54209/jatilima.v7i02.1442

Siti Nurhaliza Sofyan Sitinur Magister Teknologi dan Informasi, Universitas Pembangunan Pancabudi
Zulham Sitorus Magister Teknologi dan Informasi, Universitas Pembangunan Pancabudi

DOI: https://doi.org/10.54209/jatilima.v7i02.1442

Keywords: Implementasi,K-Means, Cluster, Data Mining, Bawang Merah

Article Metrics

Abstract view : 607 times

Abstract

Bawang merah merupakan tanaman holtikultura dan hampir di seluruh Indonesia dapat di tanami oleh tumbuhan ini. Bawang merah merupakan pelengkap dalam masakan nusantara. Penambangan data yang dilakukan dalam produktivitas bawang merah melalui Badan Pusat Statistik di Indonesia dari tahun 2019 - 2024 bertujuan untuk pengoptimalan dalam produksi bawang merah yang akan menunjang produktivitas di setiap provinsi. Teknik K-Means Clustering mengelompokkan menjadi 3 cluster, yaitu : C1 bermakna sangat rendah di dominasi 32 provinsi seperti Sumatera Utara dengan Siluet 0.635069 dan Banten dengan Siluet 0.68097. Kemudian C2 bermakna bagus yaitu produksi bawang merah tertinggi di Indonesia seperti Jawa Tengah – siluet 0.690777 dan Jawa Timur – siluet 0.670607 dan cluster terakhir yaitu C3 dengan produksi sedang termasuk provinsi Jawa Barat – siluet 0.667291, Sumatera Barat – siluet 0.672978, Sulawesi Selatan – siluet 0.658588 dan terakhir Nusa Tenggara Barat – siluet 0.669592. Hasil penelitian ini sangat berguna untuk pemerintah dalam pengembangan produksi bawang merah disetiap provinsi untuk kemajuan tanaman holtikultura.

References

Fauzan, R. M., & Alfian, G. (2024). Segmentasi Pelanggan E-Commerce Menggunakan Fitur Recency , Frequency , Monetary ( RFM ) dan Algoritma Klasterisasi K-Means. 9(3), 170–177.
Hafiz Aryan Siregar, Muhammad Zacky Raditya, Aditya Nugraha Yesa, & Inggih Permana. (2024). Comparison of Classification Algorithm Performance for Diabetes Prediction Using Orange Data Mining. Indonesian Journal of Data and Science, 4(3), 176–182. https://doi.org/10.56705/ijodas.v4i3.103
Han, J., & Kamber, M. (2006). Data Mining Concept and Technique. Morgan Kauffman.
Hidayat, M. M. (2015). Data Mining Data mining. Mining of Massive Datasets, 2(January 2013), 5–20.
Ilmawan, F., & Ramadhanu, A. (2025). Implementasi Metode K-Means Untuk Klasterisasi Varietas Parpika Dengan Menggunakan Teknik Pengolahan Citra Digital. Jurnal Informatika Teknologi Dan Sains (JINTEKS), 249–254.
Januari, N., Abdullah, S. H., Fatah, Z., Informasi, T., Sains, F., & Ibrahimy, U. (2025). Analisis Produksi Cabai Rawit Indonesia Menggunakan Algoritma K- Means Clustering. 3(1), 66–74.
Linier, R., & Zakaria, J. (2023). METODE REGRESI LINIER SEDERHANA. 7(4), 2884–2888.
Meiyanti, R., Munauwar, M. M., Fitria, R., & Kautsar, H. Al. (2024). Implementasi Algoritma K-Medoid pada Clustering Sayuran Unggulan di Kabupaten Aceh Utara. 19(x), 327–337.
Muharrom, M. (2023). Analisis Komparasi Algoritma Data Mining Naive Bayes, K-Nearest Neighbors dan Regresi Linier Dalam Prediksi Harga Emas. Bulletin of Information Technology (BIT), 4(4), 430–438. https://doi.org/10.47065/bit.v4i4.986
Naraloka, T. (n.d.). PEMANFAATAN TEKNOLOGI UNTUK MENGANALISA SENTIMEN MASYARAKATDALAM MEMBANTU PENINGKATAN EKONOMI KREATIF DI ERA NEW NORMAL. In Prosiding Seminar Nasional Ilmu Komputer (Vol. 1, Issue 1).
Rafi, M. (2020). Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa. 12(2), 121–129.
Rasyid, M., Sitorus, Z., Wijaya, R. F., & Iqbal, M. (2024). MACHINE LEARNING ANALYSIS IN IMPROVING THE EFFICIENCY OF THE STUDENT ADMISSION DECISION MAKING PROCESS NEW AT PANCA BUDI MEDAN DEVELOPMENT UNIVERSITY. 3(3), 216–225.
Saputra, R., Dila, R., & Ramadhanu, A. (n.d.). Klasifikasi Timun Segar dan Busuk Menggunakan K-Means Clustering. 0738(4), 4799–4806.
Sari, Ayu Ofta, M. I. (2025). Analisis Data Mining Terhadap Data Faktor Perceraian Di Sumatera. 4, 214–221.
Suprapto, E. (2022). Pengelompokkan Potensi Padi di Indonesia Menggunakan K-Means Cluster. Jurnal Ilmiah Populer, 5(2), 28–34.
Virdaus, D., & Prasetyaningrum, P. T. (2020). Penerapan Data Mining Untuk Memprediksi Harga Bawang Merah Di Yogyakarta Menggunakan Metode K-Nearest Neighbor. Journal Of …, 84, 1–8.
Wardani, N. W., Fusarium, L., Bakeri, L., Keriting, V., & Pucuk, M. (2020). Analisa Penyebab Kerusakan Tanaman Cabai Menggunakan Metode K-Means. 7(2), 126–134.
Wiguna, R. A. raffaidy, & Rifai, A. I. (2021). Analisis Text Clustering Masyarakat Di Twitter Mengenai Omnibus Law Menggunakan Orange Data Mining. Journal of Information Systems and Informatics, 3(1), 1–12. https://doi.org/10.33557/journalisi.v3i1.78
Yasmin, N., Chairunnissa, S., Akbar, D., & Ramadhanu, A. (2024). Penerapan K-Means Clustering untuk Klasifikasi Citra Cabai Keriting : Studi Ekstraksi Warna dan Tekstur GLCM. 3(2), 65–71.
Yuniarti, T., Astuti, J., Faujiyah, F., & Zaiyar, M. (2024). Pendekatan Text Mining dalam Menilai Sentimen Publik pada Baterai Kendaraan Listrik. IX(4), 10602–10612.