Perbandingan Algoritma K-Medoids Dan K-Means Dalam Pengelompokan Kecamatan Berdasarkan Produksi Padi Dan Palawija Di Jember

Abstract

Latar   Belakang: Pengelolaan tanaman pangan sangat penting untuk mendukung ketahanan pangan. Dataset menunjukkan variasi hasil panen padi dan tanaman pokok lainnya. Variasi hasil panen tersebut memerlukan pengelompokan wilayah berdasarkan hasil panen. Algoritma yang umum digunakan dalam analisis clustering adalah K-means dan K-medoids. Terdapat pada kedua algoritma tersebut yiatu K-means kompleksitas waktu lebih cepat dan K-medoids lebih tahan dengan data outlier. Sehingga perbandingan kedua algoritma dapat membantu pemilihan algoritma yang lebih baik dalam kasus tertentu Tujuan: memperoleh hasil perbandingan cluster terbaik dengan menggunakan algoritma  K-means dan K-medoids di Kabupaten Jember berdasarkan produksi padi dan palawija dan mengetahui hasil clustering dengan algoritma pengelompokan terbaik Kecamatan Jember berdasarkan produksi padi dan palawija. Metode: Algoritma clustering yang digunakan yaitu K-means dan K-medoids. Metode evaluasi menggunakan Davies Bouldien Index. Sumber data berasal dari data sekunder dari BPS Kabupaten Jember tahun 2020. Hasil: Diperoleh algoritma terbaik yaitu K-means dengan DBI 0,648 lebih kecil dibandingan K-medoids 0,886 dibagi menjadi 6 klaster yaitu klaster satu sebanyak 1 kecamatan, klaster dua sebanyak 3 kecamatan, klaster tiga sebanyak 2 kecamatan, klaster klaster empat sebanyak 3 kecamatan, klaster lima sebanyak 8 kecamatan dan klaster 6 sebanyak 14 kecamatan. Kesimpulan: K-means dengan 6 cluster menjadi algoritma terbaik untuk pengelompokan produksi tanaman pangan di Kabupaten Jember.