Clustering Komoditi Unggulan Daerah Provinsi Gorontalo Menggunakan Algoritma K-Means

Yulianty Lasena, Yusrianto Malago

Abstract


Abstrak - Provinsi Gorontalo merupakan daerah Provinsi yang sebagian besar roda perekonomian bergerak pada sektor pertanian. Hingga Saat ini daerah tersebut menjadikan pertanian sebagai sector penting dalam pelaksanaan pembangunan. Masalah yang dihadapi adalah dibutuhkan sebuah bentuk pengawasan yang memanfaatkan teknologi sehingga pengawasan yang dilakukan dapat terbarui secara berkala, terdokumentasi dan dapat diakses secara terbuka. berdasarkan dari masalah tersebut maka dibutuhkan aplikasi yang dapat mengelompokan komoditi unggulan di provinsi gorontalo. Pada penelitian ini dapat mengetahui komoditi  menjadi unggulan di Provinsi Gorontalo, komiditi yang menjadi unggulan daerah akan dipertahankan dan dimaksimalkan produksinya sedangkan komoditi unggulan yang produksinya masih rendah akan menjadi prioritas dalam peningkatan hasil, Berdasarkan hasil penelitian tersebut dapat didapatkan Komoditi yang menjadi Cluster 1 adalah tingkat produksinya yang rendah, Sedangkan Komoditi yang menjadi Cluster 2 adalah tingkat produksinya sedang atau tetap dan Produksinya tinggi termasuk pada Cluster 3.

 

Kata Kunci : Komoditi Unggulan Daerah, Clustering, K-Means

Full Text:

PDF

References


Y. Sugiyani, “Pengelompokan Wilayah Berdasarkan Potensi Hasil Pertanian Menggunakan Algoritma K-means,” J. ProTekInfo Vol., vol. 3, no. September, pp. 60–67, 2016.

L. Felicia, “Penerapan Metode Clustering Dengan K-Means Untuk Memetakan Potensi Tanaman Padi Di Kota Semarang,” pp. 1–5, 2014.

A. . Fallis, “Bab Ii Landasan Teori,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2013.

A. Fadli, “Konsep Data Minning,” Konsep Data Min., pp. 1–9, 2003.

J. Eska, “Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5 STMIK Royal Ksiaran,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 2, pp. 9–13, 2016.

“https://www.docsity.com/en/data-mining-pertemuan-ke-satu-mahasiswa-stikom-tunas-bangsa/2175018/.” .

R. Sibarani, “Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasisswa Baru Universitas Satya Negara Indondesia [ Algorithma K-Means Clustering Strategy Marketing Admission Universitas Satya Negara Indonesia ],” no. 2, pp. 685–690, 2018.

L. Maulida, “Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov . Dki Jakarta Dengan K-Means,” JISKa, vol. 2, no. 3, pp. 167–174, 2018.

M. Anggara, H. Sujiani, and N. Helfi, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.


Refbacks

  • There are currently no refbacks.