Implementasi Algoritma K-Medoid pada Clustering Sayuran Unggulan di Kabupaten Aceh Utara

Abstract

Klasterisasi tanaman pada kelompok tani adalah proses pengelompokan tanaman berdasarkan karakteristik tertentu, seperti jenis tanaman, musim tanam, atau lokasi geografis, dengan tujuan meningkatkan efisiensi produksi. Kelompok Tani KWT Meugah Raya masih belum mampu melebihi hasil produksi pertanian sayuran di Aceh Utara. Metode data mining dapat mengidentifikasi pola-pola menarik dalam kumpulan data, salah satunya adalah algoritma K-Medoids clustering yang mengelompokkan data berdasarkan kesamaan karakteristik. Cluster terbentuk dengan menghitung sejauh mana kedekatan antara medoid dan objek non-medoids. Data yang digunakan adalah data dari Badan Pusat Statistik (BPS) pada tahun 2021-2023 di Kabupaten Aceh Utara mengumpulkan data dari 5 kategori sayuran dan 4 variabel, meliputi luas panen, produksi, luas tanaman, dan luas penanaman baru. Melalui algoritma K-Medoids, hasil klastering sayuran unggulan menghasilkan pengelompokan potensi ke dalam 3 klaster, yaitu klaster rendah (C1), sedang (C2), dan tinggi (C3) dengan mengumpulkan macam-macam data sayuran yang ditanam oleh masyarakat setempat berupa cabai besar, kacang panjang, kangkung, terong dan tomat. Langkah berikutnya adalah Menentukan nilai titik pusat awal dengan menyusun data berdasarkan urutan dari yang terendah hingga tertinggi pada setiap data variabel, berdasarkan keseluruhan data yang tersedia. Berdasarkan hasil penelitian ini, metode K-Medoids terbukti sangat efektif dalam melakukan clustering pada data hasil panen tanaman hortikultura. Evaluasi kinerja algoritma dilakukan dengan memanfaatkan Davies-Bouldin Index (DBI) sebagai metode evaluasi, dilakukan pengukuran untuk menilai kualitas pengelompokan yang dihasilkan. Setelah proses evaluasi menggunakan DBI selesai, algoritma K-Medoids memperoleh nilai 0,5537744324187953.