Implementasi Metode K-Means Untuk Pengelompokan Potensi Produksi Komoditas Perkebunan

Abstract

Penelitian ini bertujuan untuk mengelompokkan komoditas perkebunan di Kalimantan Timur karena dilihat banyaknya komoditas dan jumlah data yang banyak maka diperlukan suatu sistem pengelompokan agar dapat memberikan informasi tentang potensi disuatu wilayah yang diperlukan oleh masyarakat maupun petani dan lembaga-lembaga yang terkait dengan informasi tersebut. Clustering data komoditas perkebunan menggunakan algoritma K-Means yang merupakan metode yang tepat untuk digunakan sebagai acuan dalam menentukan komoditas perkebunan disuatu wilayah yang memiliki tingkat potensi produksi banyak, sedang, dan sedikit. Data yang digunakan pada penelitian ini merupakan data yang diperoleh dari Dinas Perkebunan Kalimantan Timur sebanyak 400 data dengan menggunakan 5 atribut. Dalam penelitian ini didapatkan hasil pada cluster 1 sebanyak 16 data komoditas perkebunan, cluster 2 sebanyak 14 data komoditas perkebunan, dan cluster 3 sebanyak 370 data komoditas perkebunan. Berdasarkan perhitungan tingkat akurasi bahwa metode pengukuran jarak Euclidean Distance menunjukan tingkat akurasi sebesar 93,75% dan perhitungan Sum of Squared Error (SSE) menunjukan tingkat error sebesar 6.25%. hal ini menunjukan bahwa metode pengukuran jarak Euclidean Distance cukup akurat dalam pengelompokan komoditas perkebunan, karena nilai Sum of Squared Error (SSE) tidak melebihi 50%. Sistem pengelompokan komoditi perkebunan daerah Kalimanta Timur berbasis web dengan menerapkan metode K-Means telah berhasil dibangun.