Analisis Cluster K-Means Dan K-Median Untuk Pengelompokkan Kabupaten/Kota Di Indonesia Berdasarkan Produksi Padi
| Main Author: | Ely Susilowati |
|---|---|
| Format: | Bachelors |
| Terbitan: |
Fakultas Sains dan Teknologi UIN Syarif Hidayatullah
|
| Subjects: | |
| Online Access: |
http://tulis.uinjkt.ac.id/file?file=digital/2016-11/76390-ELY SUSILOWATI-FST.pdf |
Daftar Isi:
- Tanaman pangan khususnya padi, merupakan sumber makanan utama bagi sebagian besar penduduk Indonesia. Produksi padi pada Kabupaten/Kota di Indonesia masih belum merata sehingga diperlukan pengelompokkan Kabupaten/Kota di Indonesian berdasarkan produksi padi. Beberapa algoritma clustering yang dapat diaplikasikan pada data produksi padi adalah K-Means dan K-Median, sehingga dapat diketahui pengelompokkan Kabupaten/Kota di Indonseia berdasarkan produksi padi. Pengklasteran dilakukan baik pada saat data mengandung outlier maupun tidak. Hasil pengklasteran yang didapat pada saat data tidak mengandung outlier menunjukkan bahwa pada metode K-Means jumlah cluster pertama 45 Kabupaten/Kota, jumlah cluster kedua 3 Kabupaten/Kota, dan jumlah cluster ketiga 128 Kabupaten/Kota. Sedangkan pada metode K-Median jumlah cluster pertama 65 Kabupaten/Kota, jumlah cluster kedua 78 Kabupaten/Kota, dan jumlah cluster ketiga 33 Kabupaten/Kota. Sedangkan hasil pengklasteran yang didapat pada saat data mengandung outlier menunjukkan bahwa pada metode KMeans jumlah cluster pertama 352 Kabupaten/Kota, jumlah cluster kedua 92 Kabupaten/Kota, dan jumlah cluster ketiga 3 Kabupaten/Kota. Sedangkan pada metode K-Median jumlah cluster pertama 110 Kabupaten/Kota, jumlah cluster kedua 278 Kabupaten/Kota, dan jumlah cluster ketiga 59 Kabupaten/Kota. Metode K-Median lebih baik dibandingan metode K-Means, karena nilai icdrate dan SSE pada K-Median lebih kecil dibandingkan dengan K-Means, baik pada saat data mengandung outlier ataupun tidak.