i
Penerapan Metode K-Means Clustering Untuk Analisis Potensi Lahan Pangan
Pada Provinsi Kalimantan Selatan
Artikel Ilmiah
Peneliti :
Rhaka Pradena Harjono (672018381) Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana
Salatiga
2022
ii
iii
iv
v
Pernyataan
Artikel Ilmiah berikut ini :
Judul : Penerapan Metode K-Means Clustering Untuk Analisis Potensi Lahan Pangan Pada Provinsi Kalimantan Selatan
Pembimbing : Magdalena A. Ineke Pakereng, M.Kom.
adalah benar hasil karya saya :
Nama : Rhaka Pradena Harjono
NIM : 672018381
Saya menyatakan tidak mengambil sebagian atau seluruhnya dari hasil karya orang lain kecuali sebagaimana yang tertulis pada daftar pustaka.
Pernyataan ini dibuat dengan sebenar-benarnya sesuai dengan ketentuan yang berlaku dalam penulisan karya ilmiah.
Salatiga, Oktober 2022
Rhaka Pradena Harjono
vi
Penerapan Metode K-Means Clustering Untuk Analisis Potensi Lahan Pangan
P
ada Provinsi Kalimantan Selatan
Rhaka Pradena Harjono*1, Magdalena A. Ineke Pakereng2
1,2Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
3Jurusan Teknik Informatika, FTI UKSW, Salatiga
e-mail : 1[email protected], 2[email protected]
Abstrak
Kebutuhan pangan nasional semakin meningkat seiring dengan jumlah penduduk yang saat ini berjumlah 237 juta jiwa dengan pertumbuhan yang terus meningkat setiap tahun, sehingga perlu diimbangi dengan penyediaan sumber daya lahan pertanian yang cukup.
Penerapan Algoritma K-Means dalam pengelompokan potensi lahan pertanian di Provinsi Kalimantan Selatan, dengan tujuan mendapatkan kelompok-kelompok data lahan potensial. Dengan menggunakan algoritma K-means clustering data dibagi menjadi 3 cluster, yaitu cluster 0 dengan potensi rendah berjumlah 6 kabupaten, cluster 1 dengan potensi sedang berjumlah 5 kabupaten, dan cluster 2 dengan potensi tinggi berjumlah 2 kabupaten.
Kata Kunci : K-means, Clustering, Datamining, Rapidminer.
Abstrak
National food needs are increasing along with the current population of 237 million people with growth that continues to increase every year, so it needs to be balanced with the provision of sufficient agricultural land resources. The application of the K-Means in the grouping of potential agricultural land in South Kalimantan Province, with the aim of obtaining groups of potential land data. By using the K-means clustering algorithm, the data is divided into 3 clusters, namely cluster 0 with a low potential of 6 districts, cluster 1 with a medium potential of 5 districts, and cluster 2 with a high potential of 2 districts.
Keywords : K-means, Clustering, Datamining, Rapidminer.
1 Mahasiswa Program Studi Teknik Informatika, Fakultas Teknologi Informasi Universitas Kristen Satya Wacana, Salatiga.
2 Staff pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana, Salatiga
