Penerapan Clustering Menggunakan Algoritma K-Means Sebagai Analisis Produksi Komoditas Perikanan Provinsi di Indonesia
Sari
Komoditas budidaya perikanan di indonesia pada beberapa tahun ini mengalami perlambatan pertumbuhan produksi dan cenderung mengalami stagnasi. Maka dari itu penelitian pada saat ini hanya berfokus pada faktor akumulasi jumlah produksi budidaya dalam satuan (ton), maka dari itu penulis membuat jurnal dengan acuan persentase jumlah (ton) di berbagai macam komoditas jenis ikan pada semua provinsi. Dari 310 data produksi perikanan komoditas utama dari 34 provinsi Indonesia dan 10 komoditas utama perikanan yang terdapat pada basis data dari BPS (Badan Pusat Statistik Nasional). Kemudian dari data tersebut dilakukan analisis dengan mengimplementasikan clustering metode k-means melalui alat (software) RapidMiner Studio. Hasil analisis didapatkan bahwa produksi komoditas perikanan antar provinsi dikelompokan menjadi 3 buah kelompok(cluster) yaitu dari yang terbesar, sedang, dan terkecil. Sehingga didapatkan bahwa hasil analisis yang menunjukkan tingkat frekuensi dari setiap provinsi terkait dengan komoditas budidaya perikanannya sehingga dari frekuensi tersebut dapat menjadi tolak ukur dalam program membangkitkan potensi unggulan dari segi budidaya perikanan pada setiap provinsi.
Kata kunci— Data mining; Cultivation; Clustering; K-means.
Teks Lengkap:
PDFReferensi
B. Rahmat C.T.I. et al., "Implementasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan," Semin. Nas. Ris. Kuantitatif Terap. 2017, no. April, pp. 58–60, 2017.
Bappenas, "Kajian Strategi Pengelolaan Perikanan Berkelanjutan," Kementerian. PPN/Bappenas Direktorat Kelaut. dan Perikan., p. 120, 2014.
MacQueen, J.B. 1967. Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, Berkeley, University of California Press, 1: 281 – 297
P. Windarto, "Penerapan Data Mining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan K-Means Clustering Method," Techno.Com, vol. 16, no. 4, pp. 348–357, 2017, doi: 10.33633/tc.v16i4.1447.
N. Rofiqo, A. P. Windarto, and D. Hartama, "Penerapan Clustering Pada Penduduk Yang Mempunyai Keluhan Kesehatan Dengan Data Mining K-Means," KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 216–223, 2018, doi: 10.30865/komik.v2i1.929.
W. M. P. Dhuhita, "Clustering Menggunakan Metode K-Means Untuk," J. Inform., vol. 15, no. 2, pp. 160--174, 2016.
S. M. Dewi, A. P. Windarto, and D. Hartama, "Penerapan Datamining Dengan Metode Klasifikasi Untuk Strategi Penjualan Produk Di Ud.Selamat
Selular," KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer).
N. Azis et al., "Mapping study using the unsupervised learning clustering approach," IOP Conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012005, 2021, doi: 10.1088/1757-899x/1088/1/012005
A. Rahmat, H. Hardi, F. A. Syam, Z. Zamzami, B. Febriadi, and A. P. Windarto, "Utilization of the field of data mining in mapping the area of the Human Development Index (HDI) in Indonesia," J. Phys. Conf. Ser., vol. 1783, no. 1, 2021, doi: 10.1088/1742-6596/1783/1/012035.
M. A. Amri, A. P. Windarto, A. Wanto, and I. S. Damanik, "Analisis Metode K-Means Pada Pengelompokan Perguruan Tinggi Menurut Provinsi
Berdasarkan Fasilitas Yang Dimiliki Desa," KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 674–679, 2019, doi:
30865/komik.v3i1.1677.
K. Handoko, "Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran Pada Instansi Perguruan Tinggi Menggunakan Metode K-Means
Clustering (Studi Kasus Di Program Studi Tkj Akademi Komunitas Solok Selatan)," J. Teknol. dan Sist. Inf., vol. 02, no. 03, pp. 31–40, 2016, [Online]. Available: http://teknosi.fti.unand.id/index.php/teknosi/article/view/70.
A. K. Wardhani, "Implementasi Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan," J. Transform., vol. 14, no. 1, pp. 30–37, 2016.
H. U. Sari, A. P. Windarto, and D. Hartama, "Analisa Metode Data Mining Pada Produksi Perikanan Laut Yang Dijual Di Tempat Perikanan Ikan (Tpi)," KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 630–636, 2019, doi: 10.30865/komik.v3i1.1671.
A. Nurzahputra, M. A. Muslim, and M. Khusniati, "Penerapan Algoritma K-Means Untuk Clustering Penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa," Techno.Com, vol. 16, no. 1, pp. 17–24, 2017, doi: 10.33633/tc.v16i1.1284.
I. Wahyudi, S. Bahri, and P. Handayani, "Aplikasi Pembelajaran Pengenalan Budaya Indonesia," vol. V, no. 1, pp. 135–138, 2019, doi: 10.31294/jtk.v4i2.
W. M. Baihaqi, K. Indartono, and S. Banat, "Penerapan Teknik Clustering Sebagai Strategi Pemasaran pada Penjualan Buku Di Tokopedia dan
Shopee," Paradig. - J. Komput. dan Inform., vol. 21, no. 2, pp. 243–248, 2019, doi: 10.31294/p.v21i2.6149.
F. Firza and S. Sarjono, "Penerapan Algoritma K-Means Dalam Metode Clustering Untuk Peminatan Jurusan Bagi Siswa Swasta Pelita Raya Kota Jambi," J. Manaj. Sist. Inf., vol. 5, no. 3, pp. 371–382, 2020, [Online]. Available: http://ejournal.stikomdb.ac.id/index.php/manajemensisteminformasi/article/view/907.
D. R. S. P, A. P. Windarto, D. Hartama, and E. Irawan, "Analisis Datamining Pada Pengelompokkan Penduduk Yang Menjadi Korban
Kekerasan Fisik Menurut Wilayah," Semin. Nas. Sains Teknol. Inf. SENSASI 2019 ISBN, pp. 350–356, 2019, [Online]. Available: https://www.prosiding.seminar-id.com/index.php/sensasi/article/view/325.
Refbacks
- Saat ini tidak ada refbacks.
EJECTS: Jurnal Computer, Technology, and Informations System
Gedung Fakultas Ilmu Komputer, Universitas Darwan Ali, JL. Batu Berlian, No. 10, Sampit, Kabupaten Kotawaringin Timur, Provinsi Kalimantan Tengah, 74322
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.