ANALISIS PERBANDINGAN KINERJA ALGORITMA K-MEANS DAN KMEDOIDS UNTUK KLASTERISASI PRODUKSI PADI DI PULAU SUMATERA

Abstract

Abstrak

Penelitian ini bertujuan untuk melakukan analisis pengelompokan data tanaman padi di Pulau Sumatra selama

periode 2010 hingga 2020 dengan menerapkan algoritma K-Means dan K-Medoids. Pengelompokan ini penting

untuk mengidentifikasi pola produksi padi, sehingga dapat membedakan daerah dengan hasil produksi tertinggi

dan terendah. Data yang dianalisis mencakup variabel kunci seperti luas lahan pertanian, tingkat produktivitas, dan

total hasil panen, yang diperoleh dari sumber resmi pertanian. Metodologi yang digunakan mencakup langkah

langkah preprocessing data, seleksi fitur yang relevan, dan penerapan algoritma pengelompokan. Hasil analisis

menunjukkan bahwa algoritma K-Means menawarkan kecepatan dan efisiensi yang lebih tinggi dalam membentuk

kluster berdasarkan karakteristik produksi, sementara K-Medoids menunjukkan ketahanan yang lebih baik

terhadap data yang tidak biasa. Temuan dari pengelompokan ini berhasil mengidentifikasi sejumlah daerah dengan

produksi padi tertinggi dan terendah, memberikan wawasan berharga bagi kepentingan pembaca dalam

meningkatkan strategi pengelolaan sumber daya pertanian. Penelitian ini diharapkan dapat menjadi dasar bagi

pengambilan keputusan yang lebih baik dalam upaya meningkatkan produktivitas dan keberlanjutan sektor

pertanian di Pulau Sumatra.