Klasterisasi Wilayah Penghasil Tanaman Lada Menggunakan Algoritma K-Means

Abstract

Wilayah potensial untuk menanam lada semakin berkurang, sehingga jumlah produksi lada menjadi semakin menurun. Hal ini tentunya perlu menjadi perhatian mengingat lada merupakan salah satu komoditas unggulan yang sangat penting untuk menunjang perekonomian. Informasi tentang daerah yang berpotensi sebagai daerah penghasil tanaman lada perlu dilakukan. Penelitian ini bertujuan untuk mendata dan menganalisa wilayah potensial untuk tanaman lada menggunakan pendekatan algoritma cerdas yaitu K-Means. Data penelitian berasal dari Dinas Perkebunan Provinsi Kalimantan Timur sebanyak 1200 data dalam rentang waktu tahun 1990 sampai 2019 telah digunakan untuk dianalisis. Lebih lanjut, ketiga metode jarak yaitu Euclidean Distance, Manhattan Distance dan Minkowski Distance digunakan dalam penelitian ini. Dari ketiga metode tersebut dicari nilai akurasi yang tertinggi menggunakan metode Silhouette Coefficient (SC). Metode Sum Square Error (SSE) dan R-squared (R2) juga digunakan untuk mengukur cluster optimal. Hasil percobaan memperlihatkan bahwa metode jarak Manhattan Distance memiliki nilai akurasi terbaik. Sedangkan, cluster optimal untuk klusterisasi wilayah diperoleh tiga cluster yang merupakan cluster ideal untuk mengelompokkan wilayah penanam lada dengan SSE sebesar 238.7377116 dan nilai R2 adalah 0.459398609. Berdasarkan hasil tersebut, diperoleh informasi tentang wilayah yang berpotensi untuk produksi lada menggunakan tiga kategori yaitu kurang berpotensi, cukup berpotensi dan berpotensi baik dengan algoritma K-Means dan metode jarak Manhattan Distance.