Penerapan Metode Non-Hierarchical Clustering K-Means untuk Pengelompokkan Kabupaten/Kota di Provinsi Jawa Barat Berdasarkan Faktor Produksi Padi Tahun 2021
Abstract
Abstract. Rice production in districts / cities in West Java often differences between districts / cities. The West Java regional government needs to conduct a study to determine the rice production groups in West Java Districts / Cities in order to meet the food needs of the people of West Java through policies related to increasing rice production by grouping districts / cities based on rice production. Rice production factors include planting area, harvest area, and productivity. Rice production groups are determined into 3 categories, namely low production, medium production, and high production. The grouping of districts/cities based on rice production uses non-hierarchical cluster analysis using the K-Means method. This study uses West Java rice production data in 2021. Based on the results of the study, three clusters were obtained, namely cluster 1 showing areas with low rice production with the characteristics of low planting area, low harvest area, and low productivity containing 11 districts/cities. Cluster 2 shows areas with medium rice production with the characteristics of low planting area, low harvest area, and high productivity containing 7 districts/cities. Cluster 3 shows areas with high rice production with high planting area, high harvest area, and high productivity containing 9 districts/cities.
Abstrak. Produksi padi pada kabupaten/kota di Jawa Barat sering terjadi perbedaan antar kabupaten/kota. Pemerintah daerah Jawa Barat perlu melakukan sebuah kajian untuk mengetahui kelompok produksi padi di Kabupaten/Kota Jawa Barat agar dapat terpenuhinya kebutuhan pangan masyarakat Jawa Barat melalui kebijakan yang berhubungan dengan peningkatan produksi padi dengan cara mengelompokkan kabupaten/kota berdasarkan produksi padi. Faktor produksi padi diantaranya adalah luas tanam, luas panen, dan produktivitas. Kelompok produksi padi ditentukan menjadi 3 kategori yaitu produksi rendah, produksi sedang, dan produksi tinggi. Pengelompokkan kabupaten/kota berdasarkan produksi padi tersebut menggunakan analisis klaster non hierarki dengan metode K-Means. Penelitian ini menggunakan data produksi padi Jawa Barat Tahun 2021. Berdasarkan hasil penelitian diperoleh tiga klaster, yaitu klaster 1 menunjukkan daerah dengan produksi padi rendah dengan karakteristik luas tanam rendah, luas panen rendah, dan produktivitas rendah yang berisi 11 kabupaten/kota. Klaster 2 menunjukkan daerah dengan produksi padi sedang dengan karakteristik luas tanam rendah, luas panen rendah, dan produktivitas tinggi yang berisi 7 kabupetn/kota. Klaster 3 menunjukkan daerah dengan produksi padi tinggi dengan luas tanam tinggi, luas panen tinggi, dan produktivitas tinggi yang berisi 9 kabupeten/kota.
References
Badan Pusat Statistik Provinsi Jawa Barat, Pada 2021, luas panen padi mencapai sekitar 1,60 juta hektar dengan produksi sebesar 9,11 juta ton GKG, 2022. https://jabar.bps.go.id/pressrelease/2022/03/01/1007/pada-2021--luas-panen-padi-mencapai-sekitar-1-60-juta-hektar-dengan-produksi-sebesar-9-11-juta-ton-gkg.html (accessed Jul. 25, 2023).
R. H. B. Bangun, Analisis Klaster Non Heirarki Dalam Pengelompokan Kabupaten/Kota di Sumatera Utara Berdasarkan Faktor Produksi Padi, J. Agribisnis Sumatera Utara, vol. 4, no. 1, pp. 54–61, 2016.
S. A. Faisal & N. A. K. Rifai, Penerapan Metode Hierarchical Clustering Multiscale Bootstrap untuk Pengelompokan Indikator Indeks Pembangunan Manusia Tahun 2021 di Jawa Barat, Bandung Conf. Ser. Stat., vol. 3, no. 1, pp. 100–106, 2023, doi: 10.29313/bcss.v3i1.6327.
S. Nugroho, Statistika Mutivariat Terapan. UNIB Press, Universitas Bengkulu, 2008.
A. N. Fathia, R. Rahmawati, & Tarno, Analisis Klaster Kecamatan Di Kabupaten Semarang Berdasarkan Potensi Desa Menggunakan Metode Ward Dan Single Linkage, Gaussian, vol. 5, no. 4, pp. 801–810, 2016, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/gaussian
R. T. D. Kurniawati, R. Rahmawati, & Y. Wilandari, Pengelompokan Kualitas Udara Ambien Menurut Kabupaten/Kota di Jawa Tengah menggunakan Analisis Klaster, J. Gaussian., vol. 4, no. 2, pp. 393–402, 2015.
R. Umami, W. E. Putra, & R. Friyani, Pengaruh Partisipasi Penyusunan Anggaran, Gaya Kepemimpinan dan Motivasi Terhadap Kinerja Manajerial (studi kasus pada Kantor Wilayah Kementrian Agama Provinsi Jambi), 2020.
A. Khaerunnisa, Analisis Tingkat Kelulusan Mahasiswa di Unisba dengan menggunakan Algoritma K-Means Clustering, J. Ris. Mat., pp. 67–76, Jul. 2022, doi: 10.29313/jrm.v2i1.1018.
N. Hajarisman, Statistika Multivariat: Analisis Klaster, Bandung: NH Press; 2019.
Y. Agusta, K-Means-Penerapan, Permasalahan dan Metode Terkait, J. Sist. dan Inform., vol. 3, no. Pebruari, pp. 47–60, 2007.
E. Rivani, Aplikasi K-Means Cluster untuk Pengelompokkan Provinsi Berdasarkan Produksi Padi, Jagung, Kedelai, dan Kacang Hijau Tahun 2019, J. Mat Stat, vol. 10, no. 2, pp. 122–134, 2010.
N. Azizah, “Pemodelan Spatial Autoregressive (SAR-X) pada Perkawinan Usia Anak di Indonesia,” Jurnal Riset Statistika, pp. 1–10, Jul. 2023, doi: 10.29313/jrs.v3i1.1643.
