PERBANDINGAN EFEKTIVITAS ALGORITMA K-MEANS DAN FUZZY C-MEANS UNTUK CLUSTERING DATA PRODUKSI ALPUKAT DI INDONESIA
Article Sidebar
Read Counter : 4
Download : 1
Main Article Content
Abstract
Penelitian ini bertujuan untuk membandingkan performa algoritma K-Means dan Fuzzy C-Means (FCM) dalam proses klasterisasi data produksi alpukat di Indonesia. Metode yang digunakan adalah pendekatan machine learning berbasis unsupervised clustering, di mana data produksi nasional—mencakup volume produksi, luas panen, dan produktivitas—dianalisis untuk mengidentifikasi pola kewilayahan. Kinerja kedua algoritma diuji dan divalidasi menggunakan metrik evaluasi Silhouette Score, Davies-Bouldin Index, dan waktu komputasi. Hasil eksperimen menunjukkan bahwa kedua algoritma secara konvergen menemukan 2 sebagai jumlah klaster yang paling optimal dengan skor evaluasi yang superior. Namun, perbandingan lebih lanjut menunjukkan bahwa algoritma K-Means memiliki keunggulan signifikan dalam hal efisiensi waktu komputasi dan robustisitas model yang lebih baik , sedangkan Fuzzy C-Means membutuhkan waktu proses yang lebih lama. Analisis spasial juga berhasil memetakan wilayah produksi dan mengonfirmasi konsentrasi klaster produksi tinggi di Pulau Jawa. Temuan ini merekomendasikan K-Means sebagai metode yang lebih pragmatis untuk klasterisasi data produksi alpukat skala besar.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
[1] H. Santoso dan R. N. Putri, “Analisis Prospek dan Posisi Strategis Komoditas Alpukat dalam Pembangunan Agribisnis Nasional,” Jurnal Ekonomi Pertanian dan Agribisnis, vol. 7, no. 1, hlm. 120–135, 2023.
[2] D. Setiawan dan A. Pramudita, “Analisis Potensi dan Strategi Pengembangan Agribisnis Alpukat (Persea americana Mill.) untuk Pasar Ekspor di Indonesia,” Jurnal Agribisnis Terpadu, vol. 16, no. 2, hlm. 112–125, 2023.
[3] FAOSTAT, “Global Avocado Market Trends and Outlook,” 2023.
[4] Kementerian Pertanian Republik Indonesia, “Basis Data Statistik Pertanian (BDSP): Produksi Hortikultura - Alpukat 2023,” Jakarta, 2024.
[5] A. Susanto, “Pola Spasial Produksi dan Konsumsi Hortikultura Unggulan di Indonesia,” Forum Penelitian Agro Ekonomi, vol. 41, no. 1, hlm. 34–48, 2023, doi: 10.21082/fae.v41n1.2023.34-48.
[6] S. Pratama dan D. K. Sari, “Pentingnya Pra-pemrosesan Data dan Seleksi Fitur untuk Akurasi Model Machine Learning dalam Analitik Pertanian,” Jurnal Informatika Pertanian, vol. 6, no. 2, hlm. 88–101, 2023.
[7] S. Kumar dan R. Singh, “Big Data Challenges and Machine Learning Applications in Agriculture: A Comprehensive Review,” Journal of Agricultural Informatics, vol. 14, no. 1, hlm. 1–15, 2023.
[8] S. Russell dan P. Norvig, Artificial Intelligence: A Modern Approach, 4th ed. Pearson, 2023.
[9] J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, 4th ed. Morgan Kaufmann, 2023.
[10] M. Ibrahim dan A. Wibowo, “Clustering of Coffee Plantations in Indonesia using K-Means Algorithm for Supply Chain Optimization,” Indonesian Journal of Computer Science, vol. 12, no. 1, hlm. 55–64, 2024.
[11] A. S. Ahmar, D. Abdullah, U. Habibah, Y. E. P. Sari, N. A. Sani, dan R. F. Ali, “Advanced Clustering Approach for Mapping Regions of Paddy Productivity in Indonesia Using Intelligent K-Means,” dalam 2024 International Conference on Information System and Technology (ICoIST), 2024, hlm. 1–6. doi: 10.1109/ICoIST61942.2024.10932942.
[12] F. Abdullah dan M. Z. Lubis, “Pemetaan Zona Potensi Komoditas Karet Menggunakan Algoritma K-Means Berdasarkan Karakteristik Lahan,” Jurnal Geodesi dan Geomatika, vol. 21, no. 1, hlm. 34–45, 2024.
[13] T. A. Tuan, T. M. H. Nguyen, dan V. T. Ho, “An adaptive fuzzy c-means clustering algorithm for noisy data in agricultural management,” Engineering in Agriculture, Environment and Food, vol. 17, no. 2, hlm. 100–108, 2024, doi: 10.1016/j.eaef.2024.01.005.
[14] N. H. Wijaya, D. E. Cahyani, dan S. W. Prasetyo, “Analisis Komparasi K-Means dan Fuzzy C-Means untuk Klasifikasi Jenis Tanah Menggunakan Data Sensor Multispektral,” Jurnal Sains Data, vol. 5, no. 1, hlm. 22–31, 2024.
[15] R. Setiadi, I. G. P. Astawa, dan N. K. A. Werthi, “Identifikasi Pola Kesesuaian Lahan Tanaman Pangan Menggunakan Fuzzy C-Means untuk Mitigasi Risiko Iklim,” Agro-Industrial Informatics Journal, vol. 3, no. 1, hlm. 12–23, 2024.
[16] H. Agustin, I. Parlina, dan M. A. Bijaksana, “Clustering Data Meteorologi Wilayah Indonesia Timur Dengan Metode K-Means dan Fuzzy C-Means,” Jurnal INTI (Informasi dan Teknologi), vol. 2, no. 2, hlm. 83–91, 2022.
[17] Y. Liu, Z. Li, dan C. Xiong, “Hard Clustering versus Soft Clustering: A Comparative Review for Practitioners,” IEEE Access, vol. 11, hlm. 55670–55685, 2023.
[18] A. Nugroho dan F. P. Sari, “Metrik Evaluasi Kinerja untuk Algoritma Clustering: Studi Komparatif pada Data Pertanian,” Cyberspace: Jurnal Pendidikan Teknologi Informasi, vol. 7, no. 2, hlm. 150–162, 2023.
[19] I. S. Dhillon dan D. S. Modha, “A Review of Partitioning-Based Clustering Algorithms for Modern Applications,” Knowl Inf Syst, vol. 65, no. 1, hlm. 1–25, 2023.
[20] A. P. Liaw dan M. Wiener, “On the Importance of Distance Metrics in Clustering-Based Machine Learning,” Journal of Machine Learning Research, vol. 25, hlm. 1–30, 2024.
[21] C. F. M. de Souza, “Revisiting Euclidean and Other Distance Metrics for Numerical Data Clustering,” ACM Trans Knowl Discov Data, vol. 18, no. 2, hlm. 1–22, 2024.
[22] R. A. S. Hidayat, T. Tulus, dan S. Suwilo, “K-Means Using Dynamic Time Warping For Clustering Cities in Java Island According to Meteorological Conditions,” dalam 2023 3rd International Conference on Information Technology and Education (ICIT-E), 2023, hlm. 1–5. doi: 10.1109/ICIT-E60233.2023.10381899.
[23] A. Rahman dan L. Hakim, “Evaluasi Metode Penentuan Jumlah Cluster Optimal (K) pada Algoritma K-Means untuk Segmentasi Data Agroklimat,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 4, hlm. 701–710, 2023.
[24] A. Wijaya dan D. E. Putra, “Algoritma Fuzzy C-Means dan Aplikasinya dalam Analisis Data Modern: Sebuah Tinjauan Komprehensif,” Jurnal Ilmu Komputer dan Inovasi (JIKI), vol. 7, no. 1, hlm. 45–60, 2023.
[25] H. N. Pal dan S. K. Pal, “A Contemporary Review on the Role of the Fuzzifier (m) in Fuzzy C-Means,” Fuzzy Information and Engineering, vol. 15, no. 1, hlm. 1–19, 2023.