Penerapan Algoritma K-Means untuk Pengelompokan Produksi Telur Ayam Ras Petelur di Indonesia
Article Sidebar
Main Article Content
Abstract
Di indonesia telur ayam sangat mudah di temukan dalam kehidupan masyarakat sehari-hari. Namun banyaknya tingkat kebutuhan konsumsi masyarakat terhadap telur ayam tidak di imbangin dengan banyaknya produksi telur ayam terutama telur ayam ras petelur yang ada di setiap provinsinya, maka dari itu harga telur ayam di beberapa provinsi terus melonjak naik. Penelitian ini bertujuan untuk mendapatkan informasi mengenai provinsi yang masih kurang dalam produksi telur ayam ras petelur menggunakan metode algoritma k-means. Algoritma k-means adalah algoritma yang dapat mengelompokkan data pada beberapa klaster sehingga data yang mempunyai kesamaan berada pada kelompok klaster yang sama dan data yang memiliki ketidaksamaan berada pada kelompok klaster lain. Sumber data penelitian ini di kumpulkan berdasarkan beberapa dokumenketerangan produksi telur ayam ras petelur yang di hasilkan oleh Badan Pusat Statistik Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2018-2020 yang berjumlah 102 data terdiri dari 34 provinsi. Proses klaster di bagi menjadi 3cluster. Pada cluster 0 (cluster 1) menjadi cluster terendah dalam jumlah produksi telur ayam ras petelur yang terdiri dari 29 provinsi, cluster 1 (cluster 2) menjadi cluster sedang yang terdiri dari 4 provinsi, sedangkan pada cluster 2 (cluster 3) menjadicluster tertinggi yang terdiri dari 1 provinsi.
Article Details
References
P. O. A. Harmayanda, D. Rosyidi, and O. Sjofjan, “Evaluasi Kualitas Telur Dari Hasil Pemberian Beberapa Jenis Pakan Komersial Ayam Petelur,” J-Pal, vol. 7, no. 1, p. 26, 2016.
F. H. Maulana, E. Prasetyo, and W. Sarenggat, “Analisis pendapatan usaha peternakan ayam petelur sumur banger farm Kecamatan Tersono Kabupaten Batang,” J. Chem. Inf. Model., vol. 13, no. 2, pp. 1–12, 2017.
N. Febrianto and J. aghniarahim putritamara, “Proyeksi Elastisitas Permintaan Telur Ayam Ras di Malang Raya,” J. Ilmu-Ilmu Peternak., vol. 27, no. 2, pp. 81–87, 2017.
“Badan Pusat Statistik.” [Online]. Available: https://www.bps.go.id/indicator/24/491/1/produksi-telur-ayam-petelur-menurut-provinsi.html. [Accessed: 23-Oct-2021].
F. Fitriyani, “Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis,” J. Inform., vol. 2, no. 1, 2016.
B. T. R. Doni, S. Susanti, and A. Mubarok, “Penerapan Data Mining Untuk Klasifikasi Penyakit Hepatocellular Carcinoma Menggunakan Algoritma Naïve Bayes,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, pp. 12–19, 2021.
B. S. Praja, P. D. Kusuma, and C. Setianingsih, “Penerapan Metode K-Means Clustering Dalam Pengelompokan Data Penumpang Dan Kapal Angkutan Laut Di Indonesia,” e-Proceeding Eng., vol. 06, no. 1, p. 1442, 2019.
A. A. Rismayadi, N. N. Fatonah, and E. Junianto, “Algoritma K-Means Clustering Untuk Menentukan Strategi Pemasaran Di Cv. Integreet Konstruksi,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, pp. 30–36, 2021.
R. W. Sari, A. Wanto, and A. P. Windarto, “Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 224–230, 2018.
I. S. Damanik, S. R. Andani, and D. Sehendro, “Teknik Data Mining Dalam Clustering Produksi Susu Segar Di Indonesia Dengan Algoritma K-Means,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 1, no. 1, pp. 31–39, 2019.
E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” J. Sist. dan Teknol. Inf., vol. 6, no. 4, p. 161, 2018.
F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p. 238, 2018.