LITERASISAINSLITERASISAINS
JOMLAI: Journal of Machine Learning and Artificial IntelligenceJOMLAI: Journal of Machine Learning and Artificial IntelligenceTujuan dari penelitian ini untuk melakukan pengelompokkan hasil produksi tanaman perkebunan setiap tahunnya berdasarkan provinsi di Indonesia, agar dapat diketahui provinsi mana saja yang menghasilkan paling banyak produksi tanaman perkebunan maupun yang kurang menghasilkan. Pada penelitian ini menggunakan teknik Data Mining Algoritma K-Means. Sumber data penelitian ini dikumpulkan berdasarkan data perkebunan yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia. Data yang digunakan adalah data dari tahun 2018-2020 yang terdiri dari 34 provinsi. Hasil penelitian ini berupa pengelompokkan yang terbagi kedalam 3 Cluster yaitu Cluster rendah, Cluster sedang, dan Cluster tinggi. Berdasarkan hasil perhitungan menggunakan Algoritma K-Means diperoleh Cluster tinggi sebanyak 6 items (Provinsi), Cluster sedang sebanyak 2 Provinsi dan Cluster rendah sebanyak 27 Provinsi.
Penerapan Data Mining menggunakan Algoritma K-Means dapat mengelompokkan data produksi tanaman perkebunan di Indonesia.Penelitian ini menghasilkan 3 Cluster yaitu Cluster rendah, Cluster sedang, dan Cluster tinggi.Berdasarkan analisis perhitungan menggunakan Algoritma K-Means diperoleh hasil 3 Cluster dengan Cluster tinggi sebanyak 6 Provinsi, Cluster sedang sebanyak 2 Provinsi dan Cluster rendah sebanyak 27 Provinsi.
Penelitian lanjutan dapat dilakukan dengan mempertimbangkan faktor-faktor lain yang mempengaruhi hasil produksi tanaman perkebunan, seperti kondisi iklim, kualitas tanah, dan penggunaan pupuk, untuk mendapatkan model pengelompokan yang lebih akurat dan komprehensif. Selain itu, penelitian dapat diperluas dengan mengintegrasikan data dari berbagai sumber, termasuk data citra satelit dan data sensus pertanian, untuk memantau perubahan produksi tanaman perkebunan secara real-time dan mengidentifikasi potensi masalah sejak dini. Lebih lanjut, pengembangan sistem rekomendasi berbasis K-Means dapat membantu pemerintah dan petani dalam menentukan strategi optimal untuk meningkatkan produksi tanaman perkebunan di masing-masing provinsi, misalnya dengan memberikan rekomendasi jenis tanaman yang paling cocok ditanam atau teknik pertanian yang paling efektif diterapkan. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam upaya peningkatan produktivitas dan keberlanjutan sektor perkebunan di Indonesia.
| File size | 667.41 KB |
| Pages | 12 |
| DMCA | Report |
Related /
PIPI Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosaPenelitian ini menerapkan algoritma K-Means untuk mengelompokkan pasien PCOS berdasarkan intensitas gejala. PCOS adalah gangguan hormonal yang sulit didiagnosa
TRI GUNA DHARMATRI GUNA DHARMA Oleh karena itu diperlukan optimalisasi untuk mengestimasi persediaan roti secara terperinci dan akurat. Perusahaan juga perlu membuat database yang mengimplementasikanOleh karena itu diperlukan optimalisasi untuk mengestimasi persediaan roti secara terperinci dan akurat. Perusahaan juga perlu membuat database yang mengimplementasikan
UNIK KEDIRIUNIK KEDIRI Penelitian ini menggunakan metode kualitatif dengan studi pustaka untuk menganalisis proses perumusan kebijakan melalui model proses kebijakan, meliputiPenelitian ini menggunakan metode kualitatif dengan studi pustaka untuk menganalisis proses perumusan kebijakan melalui model proses kebijakan, meliputi
GRAHAMITRAGRAHAMITRA Dari hasil analisis yang dilakukan, pada algoritma KNN dihasilkan 76% dan Decision Tree 72%. Dengan hasil pemodelan akurasi 72% dan 76%, keduanya memenuhiDari hasil analisis yang dilakukan, pada algoritma KNN dihasilkan 76% dan Decision Tree 72%. Dengan hasil pemodelan akurasi 72% dan 76%, keduanya memenuhi
UBMUBM Keunggulan teknik ini terletak pada penggunaan algoritma yang efisien melalui analisis pola frekuensi tinggi atau frequent pattern mining. Algoritma iniKeunggulan teknik ini terletak pada penggunaan algoritma yang efisien melalui analisis pola frekuensi tinggi atau frequent pattern mining. Algoritma ini
UNSURUNSUR Tujuan penelitian ini untuk mengetahui strategi pemasaran yang sesuai dengan karakteristik konsumen di hotel “X, dengan metode K-means clustering. PengumpulanTujuan penelitian ini untuk mengetahui strategi pemasaran yang sesuai dengan karakteristik konsumen di hotel “X, dengan metode K-means clustering. Pengumpulan
SEMINAR IDSEMINAR ID Interpretasi nilai ini masih bisa dikatakan cukup baik, namun tidak termasuk luar biasa karena masih mempunyai ruang untuk perbaikan. Pemeringkatan clusterInterpretasi nilai ini masih bisa dikatakan cukup baik, namun tidak termasuk luar biasa karena masih mempunyai ruang untuk perbaikan. Pemeringkatan cluster
BUMIGORABUMIGORA Implementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka BelitungImplementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka Belitung
Useful /
PIPI Tiga model machine learning yang akan digunakan adalah SVM, Random Forest, dan Naïve Bayes, dengan dua skenario pengujian yaitu menggunakan SyntheticTiga model machine learning yang akan digunakan adalah SVM, Random Forest, dan Naïve Bayes, dengan dua skenario pengujian yaitu menggunakan Synthetic
PIPI Aplikasi inventaris mengoptimalkan proses penjualan, mengelola stok secara efisien, menyediakan laporan untuk mendukung bisnis yang lebih baik. DenganAplikasi inventaris mengoptimalkan proses penjualan, mengelola stok secara efisien, menyediakan laporan untuk mendukung bisnis yang lebih baik. Dengan
SEMINAR IDSEMINAR ID Kesehatan mental merupakan kondisi jiwa seseorang untuk beradaptasi di lingkungannya agar merasa bahagia atau mendapatkan kenyamanan hidup, agar tidakKesehatan mental merupakan kondisi jiwa seseorang untuk beradaptasi di lingkungannya agar merasa bahagia atau mendapatkan kenyamanan hidup, agar tidak
SEMINAR IDSEMINAR ID Data mining dapat dipergunakan untuk membantu penyelesaian terhadap pengolahan data dimasa lampau hingga didapatkan informasi baru. Dalam proses pembagianData mining dapat dipergunakan untuk membantu penyelesaian terhadap pengolahan data dimasa lampau hingga didapatkan informasi baru. Dalam proses pembagian