Algoritma K-Medoids Untuk Prediksi Hasil Produksi Buah Kelapa Sawit Berdasarkan Curah Hujan

Abstract

Kelapa sawit merupakan salah satu ragam tanaman perkebunan yang mempunyai peran penting dalam sektor pertanian. Meskipun demikian, terdapat beberapa masalah yang masih belum diketahui, salah satunya adalah pengaruh curah hujan terhadap hasil panen buah kelapa sawit. Untuk memahami hubungan antara curah hujan dan hasil panen kelapa sawit, maka metode klasterisasi menggunakan algoritma K-Medoids. Metode klasterisasi dengan algoritma K-Medoids digunakan untuk mengelompokkan data hasil panen kelapa sawit berdasarkan curah hujan yang terjadi. Tujuan dari penggunaan algoritma ini adalah untuk menentukan tingkat hasil panen atau produksi yang tertinggi di PT. Sarana Titian Permata 2. Dalam penelitian ini, hasil klasterisasi menunjukkan bahwa terdapat empat klaster yang dihasilkan.  Berdasarkan pengujian performa, klaster terbaik yang dipilih adalah 4 klaster. Pemilihan klaster ini didasarkan pada nilai Davies Bouldin Index (DBI) terendah yang diperoleh, yaitu sebesar -0,773 dan hasil cluster yang didapatkan dari data yang telah dikelompokkan menjadi empat cluster. cluster 0 terdiri dari 39 data, cluster 1 terdiri dari 27 data, cluster 2 yang terdiri dari 17 dan cluster 3 terdiri dari 13 data. Dengan memilih klaster ini, dapat mengidentifikasi kelompok hasil panen kelapa sawit yang memiliki performa yang lebih baik dalam hubungannya dengan curah hujan. Penelitian ini memberikan pemahaman yang lebih baik tentang hubungan antara curah hujan dan hasil panen kelapa sawit pada tahun 2022 di PT. Sarana Titian Permata 2. Dengan mengetahui klaster terbaik, dapat dilakukan upaya untuk meningkatkan produktivitas dan efisiensi produksi kelapa sawit berdasarkan kondisi curah hujan yang ada.