Main Article Content

Yani Sugiyani

Abstract

Berdasarkan data hasil pertanian di dinas pertanian Kota Cilegon, menampilkan wilayah dengan hasil pertanian yang bervariasi jumlahnya dari data luas panen (Ha) dan  hasil produksi (ton). Perlu dilakukan pengelompokan setiap kecamatan yang ada di Kota Cilegon berdasarkan data hasil potensi pertanian yang dimiliki oleh masing-masing kecamatan tersebut dengan menggunakan metode Algoritma K-Means. Pembagian kelompok wilayah dapat dilakukan berdasarkan luas panen (Ha) dan produksi(ton) tiap-tiap tahun. Kecamatan akan dibagi/diklasterkan ke dalam 2 klaster yang mengindikasikan bahwa klaster 1 merupakan kelompok kecamatan dengan potensi pertanian yang baik sedangkan klaster 2 merupakan kecamatan dengan potensi pertanian yang kurang baik dengan melihat centroid awal yang di sudah tentukan. Dari hasil analisa perhitungan data menggunakan Algoritma K-Means ini bertujuan untuk memudahkan pemerintah memperoleh informasi data pengelompokan wilayah diharapkan hasil dari pengelompokan dapat di jadikan bahan pengambil kebijakan terkait peningkatan hasil pertanian setiap kecamatan dimasa mendatang. sehingga dapat membantu untuk mengoptimalkan program-program pemerintah di bidang pertanian.

Downloads

Download data is not yet available.

Article Details

References
[1] Adiwilanga, A., (1992). Ilmu Usahatani. Cetakan ke – III. Penerbit Alumni.Bandung:

[2] Andri., Paulus., Poi Wong, Ng., Gunawan., dan Toni., (2014). “Segmentasi Buah Menggunakan Metode K-Means Clustering Dan Identifikasi Kematanganya Menggunakan Perbandingan Kadar Warna”. Jurnal Mikroskil, 15 (2), 91-100

[3] Badan Pusat Statistik Kabupaten Serang (Statistics Serang Regency) : https://cilegonkota.bps.go.id/

[4] Dias Ramadani, R., (2013). “Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Universitas Dian Nuswantoro”. Tanggal Download 1 April 2016. Url:///D:/jurnal%20k-means/jurnal_13292.pdf.

[5] Dwinavinta, C, N, D., Fahmi. M., Naimah, Z., dan Setiana. N., (2014). “Klasterisasi Judul Buku dengan Menggunakan Metode K-Means”. Yogyakarta. Seminar Nasional Aplikasi Teknologi Informasi. Tanggal Download 28-Maret 2016. Url:///D:/jurnal%20k-means/3282-4244-1-PB.

[6] Fauzan, A., Yanuar, A., Badharudin., dan Wibowo, F., (2014). “Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Acces Point Berdasarkan Posisi Pengguna Hotspot di Universitas Muhammadiyah Purwokerto. Jurnal Informatika, 3 (1), 25-29.

[7] Khitimah, T., (2014). “Pengelompokan Surat Dalam Alqur’an Menggunakan Algoritka K-Means”. Jurnal Simetris. 5 (1). 83-88.

[8] Kurniawan Sohdianata, H., dan Sushermanto., (2011). ”Penerapan Algoritma K-Means Untuk Menetapkan Mutu Karet”. Jurnal Progresif, 7 (2), 731-780.

[9] Muningsih, E., dan Kiswati, S., (2015). “ Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang”. Jurnal Bianglala Informatika. 3 (1). 10-17.

[10] Rivani, E., (2010). “Aplikasi K-Means Cluster untuk mengelompokan Propinsi Berdasarkan Produksi Padi, Jagung Dan Kacang Hijau Tahun 2009”, Jurnal Mat Stat, 10 (3), 122-134.

[11] Santoso, Budi., (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Surabaya: Penerbit Graha Ilmu.

[12] Santoso, H., (2014). Membuat Helpdesk System Berbasis OOP dan PDO Dengan PHP. Yogyakarta: Lokomedia