PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK PENGELOMPOKAN HASIL PERTANIAN DI KABUPATEN CIREBON

Abstract

Dataset mengenai pengelompokan hasil produksi pertanian Dinas Pertanian Kabupaten Cirebon saat ini masih belum tersedia. Keterbatasan dataset ini membuat kurangnya informasi mengenai perbedaan dan keunggulan hasil pertanian antar kecamatan. Oleh karena itu, sebagai salah satu usaha dalam membantu Dinas Pertanian untuk memudahkan pemberian informasi kepada masyarakat dan pihak tertentu dalam mencari informasi, dengan melakukan pengolahan data yaitu pengelompokan yang dapat menyelesaikan permasalahan tersebut. Diperlukan adanya pengelompokan yaitu untuk pemetaan kecamatan dengan hasil produksi pertanian menggunakan metode clustering. Metode clustering yang diterapkan adalah algoritma K-Means dan K-Medoids. Kemudian dilakukan perbandingan berdasarkan nilai Davies Bouldin Index (DBI) kedua algoritma agar bisa memilih algoritma clustering terbaik. Tujuannya untuk mengetahui setiap Kecamatan di Kabupaten Cirebon dengan hasil pertanian yang terkumpul dalam suatu cluster tertentu. Microsoft Excel dan RapidMiner digunakan untuk proses pengolahan data. Metode pendekatan menggunaan teknik data mining Knowledge Discovery in Database Process (KDD) dengan langkah dalam prosesnya adalah data selection, prepocessing, transformasi, data mining dan evaluasi. Hasil perbandingan antara K-Means dan K-Medoids menunjukan bahwa nilai DBI pada K-Means sebesar 0,368 mendapatkan 3 cluster sedangkan nilai DBI K-Medoids sebesar 0,706 mendapatkan 8 cluster. Dapat disimpulkan nilai optimal K-Means menghasilkan 0,368 dengan 3 cluster.