ANALISIS PERBANDINGAN METODE K-MEDOID DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING PADA DATA KONSUMSI REMPAH-REMPAH DI KABUPATEN / KOTA

Abstract

Konsumsi rempah-rempah di Indonesia mencerminkan keragaman budaya, geografi, dan pola hidup masyarakat di berbagai daerah. Namun, kajian kuantitatif yang memetakan pola konsumsi rempah antar kabupaten/kota masih terbatas, meskipun data statistik tersedia secara terbuka. Penelitian ini bertujuan untuk mengeksplorasi dan membandingkan efektivitas dua metode klasterisasi K-Medoid dan Agglomerative Hierarchical Clustering (AHC) dalam mengelompokkan wilayah berdasarkan kesamaan konsumsi enam jenis rempah utama: bawang merah, bawang putih, bawang bombay, cabai merah, cabai hijau, dan cabai rawit. Data sekunder berasal dari Badan Pusat Statistik tahun 2024, dengan preprocessing berupa pembersihan data, standarisasi, serta reduksi dimensi menggunakan Principal Component Analysis (PCA). Evaluasi dilakukan menggunakan metrik validasi internal seperti Silhouette Score, Dunn Index, Davies-Bouldin Index, Calinski-Harabasz Index, dan Cophenetic Correlation. Hasil menunjukkan bahwa metode AHC dengan linkage ward dan lima klaster memberikan performa paling optimal dibandingkan K-Medoid. Segmentasi wilayah berdasarkan hasil klaster mengungkapkan struktur konsumsi rempah yang berbeda antara wilayah pedesaan dan perkotaan. Penelitian ini memberikan kontribusi penting dalam pemetaan konsumsi rempah berbasis data dan dapat dijadikan dasar perumusan kebijakan pangan dan pembangunan wilayah yang lebih tepat sasaran.