Implementasi Algoritma Partitioning Around Medoids (PAM) untuk Mengelompokkan Hasil Produksi Komoditi Perkebunan (Studi Kasus: Dinas Perkebunan Provinsi Kalimantan Timur)

Abstract

Sebagai salah satu Provinsi terluas di Indonesia, tepatnya terluas ke-4, Kalimantan Timur memiliki luas 129.000 Km2 . Berdasarkan data statistik dari Dinas Perkebunan tahun 2019, luas lahan perkebunan di Provinsi Kalimantan Timur seluas 1,39 juta hektar atau 10,7% dari luas keseluruhan. Dari luas keseluruhan tersebut, Provinsi Kalimantan Timur mampu memproduksi 18,4 juta ton komoditi perkebunan. Akan tetapi, produksi komoditi-komoditi tersebut dari tahun ke tahun mengalami perubahan jumlah produksi yang menunjukkan pola yang tidak tetap. Untuk itu, dalam rangka mengoptimalkan jumlah produksi, Dinas Perkebunan perlu untuk mengelompokkan daerah-daerah berdasarkan jumlah produksinya. Clustering adalah metode data mining yang membagi data menjadi kelompok-kelompok yang mempunyai objek yang karakteristiknya sama. Penelitian ini menggunakan metode clustering Partitioning Around Medoids (PAM) dengan 3 distance measure yakni Euclidean Distance, Manhattan Distance, dan Chebyshev Distance. Untuk mengukur kualitas hasil cluster digunakan metode Silhouette Coefficient (SC). Semakin besar nilai SC, semakin baik kualitas cluster. Dari 3 kali uji coba dengan menggunakan 3 cluster, 5 cluster, dan 7 cluster diperoleh nilai rata-rata SC terbesar pada uji coba 5 cluster dengan nilai SC 0.954701931 pada distance measure Manhattan Distance.