PDSIPDSI

FATIMAH: Penerapan Teknologi dan Sistem KomputerFATIMAH: Penerapan Teknologi dan Sistem Komputer

Kelompok tani memiliki peran dalam menggerakkan pembangunan pertanian di perdesaan dan pelaku utama dalam pemberdayaan ekonomi berbasis pertanian. Penelitian ini bertujuan untuk membuat sebuah model pengelompokan dengan menggunakan algoritma K-Medoids. Algoritma K-Medoids atau dikenal pula dengan PAM (Partitioning Around Medoids) menggunakan metode partisi clustering untuk mengelompokkan sekumpulan n objek menjadi sejumlah k cluster, dengan melakukan pengelompokkan kelompok tani sehingga diperoleh tingkat perkembangan dan kelompok tani sesuai komoditi unggulan. Penelitian ini dilaksanakan di Pematang Bandar Simalungun. Data dalam penelitian ini bersumber dari BBP (Balai Penyuluhan Pertanian). Data yang terkumpul dihitung sesuai dengan data tersebut sehingga diperoleh kelompok tani sesuai komoditi unggulan. Pengelompokan dilakukan berdasarkan jumlah data kelompok tani dari 4 desa yang ada di Pematang Bandar. Diharapkan penelitian ini dapat menjadi gambaran pihak BPP dalam mengambil kebijakan pengembangan sumber daya masing-masing kelompok tani guna kedepannya semakin banyak kelompok tani yang masuk dalam cluster tertinggi dan diharapkan berimbas pada peningkatan produktivitas kelompok tani tersebut.

Hasil akhir penelitian menunjukkan bahwa telah didapatkan tiga cluster.Cluster tertinggi (C1) dengan 34 kelompok tani, Cluster menengah (C2) dengan 53 kelompok tani, dan Cluster rendah (C3) dengan 16 kelompok tani.Proses iterasi berhenti pada iterasi ke-3, dan hasil akurasi perhitungan manual serta aplikasi RapidMiner menunjukkan kesamaan sebesar 100%.Penelitian ini memberikan gambaran bagi BPP dalam mengambil kebijakan pengembangan kelompok tani.

Penelitian lanjutan dapat dilakukan dengan memperluas dataset untuk mencakup lebih banyak desa atau wilayah, sehingga hasil pengelompokkan dapat lebih representatif. Selain itu, studi dapat diarahkan untuk mengintegrasikan algoritma K-Medoids dengan metode lain seperti teknik optimasi untuk meningkatkan akurasi pengelompokkan. Penelitian juga dapat fokus pada pengembangan sistem yang lebih efisien untuk memproses data kelompok tani dalam skala yang lebih besar.

  1. Penerapan Data Mining Untuk Menganalisis Kepuasan Pegawai Terhadap Pelayanan Bidang SDM dengan Algoritma... doi.org/10.30645/Jurasik.V7i1.414Penerapan Data Mining Untuk Menganalisis Kepuasan Pegawai Terhadap Pelayanan Bidang SDM dengan Algoritma doi 10 30645 Jurasik V7i1 414
  2. Komparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit Ispa | Edumatic: Jurnal... e-journal.hamzanwadi.ac.id/index.php/edumatic/article/view/3359Komparasi Distance Measure Pada K Medoids Clustering untuk Pengelompokkan Penyakit Ispa Edumatic Jurnal e journal hamzanwadi ac index php edumatic article view 3359
  3. DATA MINING PADA PENENTUAN KELAYAKAN KREDIT MENGGUNAKAN ALGORITMA K-NN BERBASIS FORWARD SELECTION DATA... ejournal.raharja.ac.id/index.php/ccit/article/view/591DATA MINING PADA PENENTUAN KELAYAKAN KREDIT MENGGUNAKAN ALGORITMA K NN BERBASIS FORWARD SELECTION DATA ejournal raharja ac index php ccit article view 591
  4. Analisis Clustering K-Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020 | Jurnal Ilmiah... doi.org/10.35799/Jis.V22i1.35911Analisis Clustering K Medoids Berdasarkan Indikator Kemiskinan di Jawa Timur Tahun 2020 Jurnal Ilmiah doi 10 35799 Jis V22i1 35911
  1. #pasangan usia subur#pasangan usia subur
  2. #metode moora#metode moora
Read online
File size993.56 KB
Pages10
Short Linkhttps://juris.id/p-2De
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test