Article Sidebar

Submitted
March 22, 2025
Published
September 30, 2024
Download
pdf
Statistic
Read Counter : 29 Download : 38

Main Article Content

Abstract

Food ingredients are ingredients produced from agricultural products that are used to make food. These foods consist of vegetables, meat, nuts, sweet potatoes, and so on. Southeast Sulawesi Province is one of the provinces that has a fairly high amount of food production in Indonesia. The application of the K-Means clustering algorithm is used to group districts/cities in Southeast Sulawesi based on food production results. The method used in this study is CRISP-DM with the K-Means clustering algorithm. There are 17 districts/cities in Southeast Sulawesi used in this study. There are 7 types of food ingredients that will be used in the study, namely rice, corn, cassava, sweet potatoes, peanuts, soybeans, and green beans. The results of this study are 1 district/city that has a high level of food production, 4 districts/cities have a moderate level of food production, and 12 districts/cities have a low level of food production. The test results using the Davies Bouldin index are cluster 2 which has the best cluster quality because the results obtained from cluster 2 are 0.30, where the smaller the results obtained, the better the cluster.

Keywords

Data Mining K-Means Food Production Region

Article Details

References

  1. Asyuti, Sulaiman, and Ahmad Aji Setyawan. 2023. ‘DATA MINING DALAM PENGGUNAAN PRESENSI KARYAWAN DENGA CLUSTER MEANS’. Jurnal Ilmiah Sains Teknologi Dan Informasi 1(1):01–10.
  2. A’yuni, Qurrata, Alwis Nazir, Lestari Handayani, and Iis Afrianty. 2023. ‘Penerapan Algoritma K-Means Clustering Untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia (BI)’. Journal of Computer System and Informatics (JoSYC) 4(3):530–39. doi: 10.47065/josyc.v4i3.3343.
  3. Chandra, Muhammad Dwi, Eka Irawan, Ilham Syahputra Saragih, Agus Perdana Windarto, and Dedi Suhendro. 2021. ‘Penerapan Algoritma K-Means Dalam Mengelompokkan Balita Yang Mengalami Gizi Buruk Menurut Provinsi’. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer 2(1):30–38. doi: 10.37148/bios.v2i1.19.
  4. Dwi Aulia, Diana, Jurusan Sistem Informasi, Fakultas Ilmu Komputer, and Universitas Darwan Ali. 2023. ‘Klasterisasi Pendidikan Masyarakat Untuk Mengetahui Daerah Dengan Pendidikan Terendah Menggunakan Algoritma K-Means’. Jurnal Informatika Dan Rekayasa Perangkat Lunak 5(1):38–44.
  5. Fakhri, Dwiki Aulia, Sarjon Defit, and Sumijan. 2021. ‘Optimalisasi Pelayanan Perpustakaan Terhadap Minat Baca Menggunakan Metode K-Means Clustering’. Jurnal Informasi Dan Teknologi 3(3):160–66. doi: 10.37034/jidt.v3i3.137.
  6. Farida Utami, Sri. 2020. ‘Penerapan Data Mining Algoritma Decision Tree Berbasis PSO’. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) 677–81.
  7. Febriani, Intan, M. Safii, and Ommi Alfina. 2022. ‘IMPLEMENTASI DATA MINING PENINGKATAN PRODUKSI BERAS MENGGUNAKAN METODE K-MEANS CLUSTERING’. MAJALAH ILMIAH METHODA 12(3):258–68. doi: 10.46880/methoda.Vol12No3.pp258-268.
  8. Ghazali, Mursal, and dan Nurhayati. 2018. ‘PELUANG DAN TANTANGAN PENGEMBANGAN MAKROALGA NON BUDIDAYA SEBAGAI BAHAN PANGAN DI PULAU LOMBOK’. AGROTEK 5(2):135–40.
  9. Hajar, Siti, Asril Andi Novany, Agus Perdana Windarto, Anjar Wanto, and Eka Irawan. 2020. ‘Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan’. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) 314–18.
  10. Haris Kurniawan, Sarjon Defit, and Sumijan. 2020. ‘Data Mining Menggunakan Metode K-Means Clustering Untuk Menentukan Besaran Uang Kuliah Tunggal’. Journal of Applied Computer Science and Technology 1(2):80–89. doi: 10.52158/jacost.v1i2.102.
  11. Hasanah, Miftahul, Sarjon Defit, and Gunadi Widi Nurcahyo. 2021. ‘Implementasi Algoritma K-Means Untuk Klasterisasi Peserta Olimpiade Nasional Tingkat SMA’. Jurnal Sistim Informasi Dan Teknologi 1(3):30–35. doi: 10.35134/jsisfotek.v1i3.6.
  12. Helbawanti, Octaviana, Wahyu Adhi Saputro, and Amalia Nadifta Ulfa. 2021. ‘PENGARUH HARGA BAHAN PANGAN TERHADAP INFLASI DI INDONESIA’. Agrisaintifika Jurnal Ilmu-Ilmu Pertanian 5(2):107–16.
  13. Latipa Sari, Herlina, and Ila Yati Beti. 2023. ‘Penerapan Data Mining Dalam Pengelompokkan Buku Yang Dipinjam Menggunakan Algoritma K-Means’. (Media Online) 3(6):925–33. doi: 10.30865/klik.v3i6.826.
  14. Mulyadi, Iriene Putri. 2022. ‘Klasterisasi Menggunakan Metode Algoritma K-Means Dalam Meningkatkan Penjualan Tupperware’. Jurnal Informatika Ekonomi Bisnis 4(4):172–79. doi: 10.37034/infeb.v4i4.164.
  15. Novita, Aditya. 2022. ‘KLASTERISASI PROVINSI DI INDONESIA BERDASARKAN PRODUKTIVITAS KOMODITAS PANGAN MENGGUNAKAN ALGORITMA K-MEANS’.
  16. Nafsiah Muthmainnah, Tasyifa, Siti Indriyana, Ultach Enri, Jurusan Sistem Informasi, Fakultas Ilmu Komputer, and Universitas Singaperbangsa Karawang. 2023. ‘Penerapan Algoritme K-Means Dalam Mengelompokkan Data Pengangguran Terbuka Di Provinsi Jawa Barat’. 5(2):122–29.
  17. Prasetyo, Tri Ferga, Abghi Firas Isdiana, and Harun Sujadi. 2019. ‘Implementasi Alat Pendeteksi Kadar Air Pada Bahan Pangan Berbasis Internet Of Things’. SMARTICS Journal 5(2):81–96. doi: 10.21067/smartics.v5i2.3700.
  18. Purwanto, Yohanes. 2020. ‘Penerapan Data Etnobiologi Sebagai Wahana Mendukung Pengelolaan Sumber Daya Hayati Bahan Pangan Secara Berkelanjutan’. PROS SEM NAS MASY BIODIV INDON 6(1):470–83. doi: 10.13057/psnmbi/m060101.
  19. Tando, Edi, Balai Pengkajian, Teknologi Pertanian, and Sulawesi Tenggara. 2019. ‘REVIEW : PEMANFAATAN TEKNOLOGI GREENHOUSE DAN HIDROPONIK SEBAGAI SOLUSI MENGHADAPI PERUBAHAN IKLIM DALAM BUDIDAYA TANAMAN HORTIKULTURA’. Buana Sains 19(1):91–102.
  20. Tendean, Tonny, and Windania Purba. 2020. ‘Analisis Cluster Provinsi Indonesia Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means’. Jurnal Sains Dan Teknologi) 1(2):5–11.
  21. Virgo, Ismail, Sarjon Defit, and Y. Yuhandri. 2020. ‘Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering’. Jurnal Sistim Informasi Dan Teknologi 23–28. doi: 10.37034/jsisfotek.v2i1.17.
  22. Zai, Charles. 2022. ‘IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA’. Portaldata.Org 2(3):1–12.