PENERAPAN ALGORITMA K-MEANS UNTUK MELAKUKAN KLASTERISASI PADA VARIETAS PADI

Authors

  • bagas putra aryadi Teknokrat University
  • Nirwana Hendrastuty Teknokrat University

DOI:

https://doi.org/10.36595/jire.v7i1.1170

Keywords:

Algoritma K-Means, Klasterisasi , Tanaman Padi

Abstract

Penelitian ini bertujuan untuk membangun model menggunakan algoritma K-Means untuk klasterisasi varietas padi di Indonesia, dengan memberikan kontribusi positif bagi peningkatan produktivitas dan kualitas hasil panen padi. Salah satu permasalahan yang menjadi fokus utama penelitian ini adalah penurunan hasil panen padi baik dari segi kuantitas maupun kualitasnya. Metodologi penelitian mencakup studi pustaka, pengumpulan data varietas padi, praproses data, klasterisasi menggunakan algoritma K-Means, dan evaluasi hasil klasterisasi. Hasil klasterisasi dilakukan menggunakan aplikasi RapidMiner, dengan tahap-tahap yang meliputi import data, pembentukan diagram proses, eksekusi diagram proses, dan analisis statistik data serta performance vector K-Means. Hasil penelitian menunjukkan bahwa lima kelompok cluster varietas padi berhasil diidentifikasi melalui proses klasterisasi. Dari hasil pengujian terdapat nilai index davies bouldin sebesar -0.48, yang menandakan kualitas klaster yang baik. Klasterisasi ini dapat memberikan informasi penting kepada pihak dinas pertanian dan petani mengenai jenis-jenis padi yang ada, serta membantu dalam pemilihan varietas padi yang sesuai dengan kondisi lingkungan tumbuhnya. Penerapan metode K-Means clustering memberikan hasil yang baik, menegaskan efektivitasnya dalam mengelompokkan varietas padi berdasarkan karakteristiknya. Jenis padi yang akan di klaster berjumlah 5 yaitu jenis padi hibrida, padi unggul, padi sawah, padi gogo dan padi rawa.

References

R. Tsaniyah, A. Sholihah, A. B. Putra, S. Fitri, and A. Wati, “Analisis Produksi Padi Jawa Timur menggunakan Sistem Dinamik Mendukung Upaya Ketahanan Pangan,” Progresif, vol. 20, no. 1, pp. 304–313, 2024, doi: http://dx.doi.org/10.35889/progresif.v20i1.1563.

W. A. Saputro, I. Firdauzi, and F. A. Harahap, “Potensi dan Ketersediaan Bahan Pangan Alternatif dalam Mendukung Ketahanan Pangan di Kabupaten Banyumas,” Jurnal Pertanian Agros, vol. 25, no. 2, pp. 1208–1218, 2023.

I. M. Sakir and D. Desinta, “Pemanfaatan Refugia Dalam Meningkatkan Produksi Tanaman Padi Berbasis Kearifan Lokal,” Jurnal Lahan Suboptimal, vol. 7, no. 1, pp. 97–105, 2019, doi: 10.33230/jlso.7.1.2018.367.

Syahrullah, L. Aphrodyanti, and Mariana, “Kerusakan Beras oleh Sitophilus Oryzae L. dari Beberapa Varietas Padi,” Proteksi Tanaman Tropika, vol. 2, no. 3, pp. 136–142, 2019.

I. Cinar and M. Koklu, “Identification of Rice Varieties Using Machine Learning Algorithms,” Tarim Bilimleri Dergisi, vol. 28, no. 2, pp. 307–325, 2022, doi: 10.15832/ankutbd.862482.

M. R. Larijani, E. A. Asli-Ardeh, E. Kozegar, and R. Loni, “Evaluation of image processing technique in identifying rice blast disease in field conditions based on KNN algorithm improvement by K-means,” Food Science and Nutrition, vol. 7, no. 12, pp. 3922–3930, 2019, doi: 10.1002/fsn3.1251.

F. I. Nurjanah, Andi Farmadi, “Implementasi Metode Fuzzy C-Means Pada Sistem Clustering Data Varietas Padi,” vol. 01, no. 01, pp. 23–32, 2018.

F. Rani and K. Afiani, “Penerapan K-Means Clustering Untuk Mengetahui Varietas Padi Unggul Produksi Balai Pengkajian Teknologi Pertanian Jawa Timur,” Jurnal Mahasiswa Teknik Informatika, vol. 2, no. 1, pp. 336–343, 2018.

H. Snyder, “Literature review as a research methodology: An overview and guidelines,” Journal of Business Research, vol. 104, no. March, pp. 333–339, 2019, doi: 10.1016/j.jbusres.2019.07.039.

M. R. Ondang and O. Kembuan, “Analisis Pola Lapangan Usaha Per Daerah Menggunakan Algoritma K-Means Clustering Pada Kabupaten Minahasa Selatan,” INNOVATIVE, vol. 3, no. 6, pp. 7672–7686, 2023.

I. Rahmianti, “Analisis Kelayakan Pemberian Kredit Koperasi Dengan Metode Data Mining Decision Tree,” Jurnal Informatika dan Rekayasa Elektronik, vol. 5, no. 2, pp. 153–161, 2022, doi: 10.36595/jire.v5i2.663.

V. Y. Kiselev, T. S. Andrews, and M. Hemberg, “Challenges in unsupervised clustering of single-cell RNA-seq data,” Nature Reviews Genetics, vol. 20, no. 5, pp. 273–282, 2019, doi: 10.1038/s41576-018-0088-9.

C. Yuan and H. Yang, “Research on K-Value Selection Method of K-Means Clustering Algorithm,” Multidisciplinary scientific journal, vol. 2, no. 2, pp. 226–235, 2019, doi: 10.3390/j2020016.

A. Amrullah, I. Purnamasari, B. N. Sari, and A. Voutama, “ANALISIS CLUSTER FAKTOR PENUNJANG PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS ( STUDI KASUS?: KABUPATEN KARAWANG ),” Jurnal Informatika dan Rekayasa Elektronik, vol. 5, no. 2, pp. 244–252, 2022.

K. Ademariana, F. R. Lumbanraja, and R. Andrian, “Jurnal Pepadun Clustering K-Means Jenis Kata Pada Laporan Kegiatan Kuliah Kerja Nyata ( KKN ) Universitas Lampung Menggunakan Word2vec © 2021 Ilmu Komputer Unila Publishing Network all rights reserved Jurnal Pepadun,” vol. 3, no. 2, pp. 221–228, 2021.

M. Ahmed, R. Seraj, and S. M. S. Islam, “The k-means algorithm: A comprehensive survey and performance evaluation,” Electronics (Switzerland), vol. 9, no. 8, pp. 1–12, 2020, doi: 10.3390/electronics9081295.

S. Qaiser and R. Ali, “Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents,” International Journal of Computer Applications, vol. 181, no. 1, pp. 25–29, 2018, doi: 10.5120/ijca2018917395.

T. Dogan and A. K. Uysal, “On Term Frequency Factor in Supervised Term Weighting Schemes for Text Classification,” Arabian Journal for Science and Engineering, vol. 44, no. 11, pp. 9545–9560, 2019, doi: 10.1007/s13369-019-03920-9.

Sumarjono and M. A. Saputra, “Penerapan Data Mining Untuk Prediksi Ujuk Kerja Operasional Penambangan Batubara,” Tpt Perhapi, pp. 245–258, 2022, [Online]. Available: https://www.prosiding.perhapi.or.id/index.php/prosiding/article/view/293%0Ahttps://www.prosiding.perhapi.or.id/index.php/prosiding/article/view/293/369

V. Virtusena, A. Johar, and A. Wijanarko, “Pengelompokan Potensi Kelulusan Mahasiswa Fakultas Teknik Unib Menggunakan Algoritme K-Means (Studi Kasus: Fakultas Teknik Universitas Bengkulu),” Rekursif: Jurnal Informatika, vol. 9, no. 2, pp. 206–225, 2021, doi: 10.33369/rekursif.v9i2.17073.

R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,” Jurnal Teknik Industri, vol. 10, no. 3, pp. 275–282, 2020, doi: 10.25105/jti.v10i3.8428.

W. E. Susanto and D. Riana, “Komparasi Algoritma,” Jurnal Speed, vol. 8, no. 3, pp. 18–27, 2016.

S. Ramadhani, D. Azzahra, and T. Z, “Comparison of K-Means and K-Medoids Algorithms in Text Mining based on Davies Bouldin Index Testing for Classification of Student’s Thesis,” Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 13, no. 1, pp. 24–33, 2022, doi: 10.31849/digitalzone.v13i1.9292.

A. A. Vergani and E. Binaghi, “A soft davies-bouldin separation measure,” IEEE International Conference on Fuzzy Systems, vol. 2018-July, pp. 1–8, 2018, doi: 10.1109/FUZZ-IEEE.2018.8491581.

A. Primandana, S. Adinugroho, and C. Dewi, “Optimasi Penentuan Centroid pada Algoritme K-Means Menggunakan Algoritme Pillar (Studi Kasus: Penyandang Masalah Kesejahteraan Sosial di Provinsi …,” … Teknologi Informasi dan Ilmu …, vol. 3, no. 11, pp. 10678–10683, 2020, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/6748/3264

Additional Files

Published

2024-04-30