Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Daerah Produksi Kakao

Abstract

Kakao ialah salah satu komoditas unggulan dari sektor perkebunan bahkan produksi kakao dinilai mampu meningkatkan devisa negara. Di Indonesia khususnya Provinsi Sulawesi Selatan memiliki produksi kakao yang besar dimana hampir semua Kabupaten/Kota yang terdapat di Sulawesi Selatan memproduksi kakao. Tujuan dalam melakukan penelitian ini ialah untuk melakukan pengelompokan daerah produksi kakao pada Provinsi Sulawesi Selatan. Adapun algoritma yang digunakan yakni K-Means serta K-Medoids, yang mana K-Means mengelompokan data dengan cara membagi kedalam beberapa cluster berdasarkan ciri yang sama. Sedangakan algoritma K-Medoids memilih objek yang nyata untuk mewakili cluster. Pada penelitian ini kedua algoritma tersebut dibandingkan dengan menggunakan satu dataset. Perbandingan dilakukan dengan melihat nilai Davies-Bouldin Index (DBI) pada RapidMiner. Kemudian hasil yang didapatkan berdasarkan penelitian ini adalah pengelompokan menggunakan algoritma K-Means lebih efektif daripada menggunakan K-Medoids dalam pengelompokan daerah produksi kakao Provinsi Sulawesi Selatan. Dengan nilai DBI yang didapatkan K-Means dan K-Medoids memiliki nilai DBI masing-masing sebesar 0,292 dan 0,365.