PERBANDINGAN BISECTING K-MEANS DAN HIERARCHICAL CLUSTERING PADA DATA CABAI RAWIT
Article Sidebar
Read Counter : 4
Download : 0
Main Article Content
Abstract
Pengelompokan data merupakan salah satu pendekatan penting dalam analisis data baik di bidang pertanian maupun lainnya, untuk menemukan sebuah pola tertentu yang bermanfaat dalam menentukan keputusan. Penelitian ini bertujuan untuk membandingkan kinerja dari dua model klasterisasi yaitu Bisecting K-Means dan Hierarchical Clustering menggunakan data cabai rawit. Selain itu, data yang digunakan dibedakan menjadi 3 kelompok yaitu data luas panen, produksi, dan produktivitas dari komoditas cabe rawit Indonesia berdasarkan data yang didapatkan dari situs Basis Data Statistik Pertanian (BDSP) tahun 2010–2024 dengan total 515 sampel data dari berbagai provinsi di Indonesia. Metode yang digunakan untuk menganalisis data pada penelitian ini adalah Klasterisasi atau Clustering yang merupakan salah satu bagian dari Unsupervised Learning. Untuk evaluasinya, dilakukan dengan menguji jumlah klaster mulai dari 2 hingga 10 menggunakan tiga nilai metrik yaitu Silhouette Score, Davies-Bouldin Index, dan waktu komputasi.
Hasil dari penelitian ini, menunjukkan model Bisecting K-Means menghasilkan Silhouette Score tertinggi sebesar 0,9258 dan Davies-Bouldin Index sebesar 0,9698 pada klaster ke-2, namun membutuhkan waktu komputasi 1,6022 detik. Sedangkan model Hierarchical Clustering, menghasilkan Silhouette score terbaik sebesar 0,9100 dan Davies-Bouldin Index sebesar 0,8714 pada klaster ke-3 dengan waktu komputasi yang lebih cepat (0,0265 detik) dibandingkan model Bisecting K-Means. Dengan demikian, model Hierarchical Clustering memiliki keunggulan dari sisi waktu komputasi yang sangat cepat, sementara model Bisecting K-Means cenderung menghasilkan klaster yang lebih terpisah secara struktur dengan nilai evaluasi yang tinggi. Berdasarkan hasil tersebut, walaupun model Bisecting K-Means memiliki nilai evaluasi yang tinggi, namun model Hierarchical Clustering menunjukkan lebih sesuai digunakan dalam konteks analisis spasial dan pertanian berbasis data yang memerlukan hasil cepat dan akurat.
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] E. Elwi Jeksen dan D. Sari, “ANALISIS PROSPEK PENINGKATAN PRODUKSI CABAI RAWIT (Capsicum frutescens L.) DI INDONESIA,” PAPER SSRN, 2022, [Daring]. Tersedia pada: https://ssrn.com/abstract=4285742
[2] H. Xu dkk., “Identification of the pollution sources and hidden clustering patterns for potentially toxic elements in typical peri-urban agricultural soils in southern China,” Environmental Pollution, vol. 370, hlm. 125904, Apr 2025, doi: 10.1016/j.envpol.2025.125904.
[3] Udhaya Priya J dan Dr. K. Nirmala, “An Ensemble Based Clustering and Classification Framework for Prediction of Agricultural Crop Yield,” Nanotechnol Percept, hlm. 397–413, Nov 2024, doi: 10.62441/nano-ntp.vi.2787.
[4] S. H. Javadi, A. Guerrero, dan A. M. Mouazen, “Clustering and Smoothing Pipeline for Management Zone Delineation Using Proximal and Remote Sensing,” Sensors, vol. 22, no. 2, hlm. 645, Jan 2022, doi: 10.3390/s22020645.
[5] D. Ulayya Tsabitah, Y. Angraini, dan I. M. Sumertajaya, “Implementation of Time Series Clustering with DTW to Clustering and Forecasting Rice Prices Each Provinces in Indonesia,” INFERENSI, vol. 8, no. 1, hlm. 2721–3862, 2025, doi: 10.12962//j27213862.v8i1.21952.
[6] Y. Asriningtias dan J. Aryanto, “K-Means Algorithm with Davies Bouldin Criteria for Clustering Provinces in Indonesia Based on Number of Events and Impacts of Natural Disasters,” International Journal of Engineering Technology and Natural Sciences, vol. 4, no. 1, hlm. 75–80, Jul 2022, doi: 10.46923/ijets.v4i1.147.
[7] Y. Chen, W. Liu, H. Zhao, S. Cao, S. Fu, dan D. Jiang, “Bisecting K-Means Based Fingerprint Indoor Localization,” dalam Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST, Springer, 2019, hlm. 1–12. doi: 10.1007/978-3-030-32216-8_1.
[8] S. E. H. Pang, J. W. F. Slik, D. Zurell, dan E. L. Webb, “The clustering of spatially associated species unravels patterns in tropical tree species distributions,” Ecosphere, vol. 14, no. 6, Jun 2023, doi: 10.1002/ecs2.4589.
[9] L. E. Ekemeyong Awong dan T. Zielinska, “Comparative Analysis of the Clustering Quality in Self-Organizing Maps for Human Posture Classification,” Sensors, vol. 23, no. 18, hlm. 7925, Sep 2023, doi: 10.3390/s23187925.
[10] D. Valkenborg, A.-J. Rousseau, M. Geubbelmans, dan T. Burzykowski, “Unsupervised learning,” American Journal of Orthodontics and Dentofacial Orthopedics, vol. 163, no. 6, hlm. 877–882, Jun 2023, doi: 10.1016/j.ajodo.2023.04.001.
[11] M. Usama dkk., “Unsupervised Machine Learning for Networking: Techniques, Applications and Research Challenges,” IEEE Access, vol. 7, hlm. 65579–65615, 2019, doi: 10.1109/ACCESS.2019.2916648.
[12] T. Tendean, W. Purba, dan M. Kom, “Analisis Cluster Provinsi Indonesia Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means,” Jurnal Sains dan Teknologi), vol. 1, no. 2, hlm. 5–11, 2020.
[13] B. Chong, “K-means clustering algorithm: a brief review,” Academic Journal of Computing & Information Science, vol. 4, no. 5, 2021, doi: 10.25236/AJCIS.2021.040506.
[14] B. Moseley dan Y. Wang, “An Objective for Hierarchical Clustering in Euclidean Space and its Connection to Bisecting K-means,” Agu 2020.
[15] B. Nurina Sari dan M. Yamin Nurzaman, “Implementasi K-Means Clustering Dalam,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 3, 2023, [Daring]. Tersedia pada: http://jurnal.mdp.ac.id
[16] C. Schröer, F. Kruse, dan J. M. Gómez, “A Systematic Literature Review on Applying CRISP-DM Process Model,” Procedia Comput Sci, vol. 181, hlm. 526–534, 2021, doi: 10.1016/j.procs.2021.01.199.
[17] A. Fauzi, D. M. Furqon, R. A. Maulana, N. D. Cahya, dan M. N. Sidiq, “Analisis Pendapatan dan Pengeluaran Film menggunakan Algoritma Bisecting K-Means (Analysis of Film Budget and Profit using the Bisecting K-Means Algorithm),” Gunung Djati Conference Series, vol. 3, 2021.
[18] N. Puspitasari, J. A. Widians, dan N. B. Setiawan, “Customer segmentation using bisecting k-means algorithm based on recency, frequency, and monetary (RFM) model,” Jurnal Teknologi dan Sistem Komputer, vol. 8, no. 2, hlm. 78–83, Apr 2020, doi: 10.14710/jtsiskom.8.2.2020.78-83.
[19] S. Dwididanti dan D. A. Anggoro, “Analisis Perbandingan Algoritma Bisecting K-Means dan Fuzzy C-Means pada Data Pengguna Kartu Kredit,” Emitor: Jurnal Teknik Elektro, vol. 22, no. 2, hlm. 110–117, Agu 2022, doi: 10.23917/emitor.v22i2.15677.
[20] N. K. Zuhal, “Study Comparison K-Means Clustering dengan Algoritma Hierarchical Clustering,” 2022.
[21] E. Widodo, P. Ermayani, L. N. Laila, dan A. T. Madani, “Pengelompokkan Provinsi di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Analisis Hierarchical Agglomerative Clustering,” Seminar Nasional Official Statistics, vol. 2021, no. 1, hlm. 557–566, Nov 2021, doi: 10.34123/semnasoffstat.v2021i1.971.
[22] I. Rahma, P. P. Arhandi, dan A. T. Firdausi, “PENERAPA METODE HIERARCHICAL CLUSTERING DAN K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN POTENSI LOKASI PENJUALAN LINKAJA,” Jurnal Informatika Polinema, vol. 6, no. 1, hlm. 15–22, Jan 2020, doi: 10.33795/jip.v6i1.287.
[23] G. Zahra Nur Fadhilah dkk., “Klasterisasi Pola Gejala Depresi Menggunakan Agglomerative Hierarchical Cluster Analysis Berdasarkan Skor Depresi PHQ-9,” Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer, vol. 5, no. 2, hlm. 1–16, 2025, doi: 10.55606/juisik.v5i2.993.
[24] Y. Asyfani dkk., “Pengelompokan Kabupaten/Kota di Jawa Tengah Berdasarkan Kepadatan Penduduk Menggunakan Metode Hierarchical Clustering,” Journal Of Data Insights, vol. 2, no. 1, hlm. 1–8, Jun 2024, doi: 10.26714/jodi.v2i1.158.
[25] Z. Alamtaha, I. Djakaria, N. I. Yahya, J. Matematika, dan F. Mipa, “Implementasi Algoritma Hierarchical Clustering dan Non-Hierarchical Clustering untuk Pengelompokkan Pengguna Media Sosial,” Estimasi: Journal of Statistics and Its Application, vol. 4, no. 1, hlm. 2721–379, 2023, doi: 10.20956/ejsa.vi.24830.