Penerapan Data Mining Dalam Mengelompokkan Produksi Daging Sapi di Pulau Sumatera Menggunakan Algoritma K-Means Clustering

  • STIKOM Tunas Bangsa Pematangsiantar
  • AMIK Tunas Bangsa Pematangsiantar
Abstract viewed = 0 times
PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Daging sapi merupakan salah satu daging yang memiliki sumber protein yang tinggi. Daging sapi bukan merupakan makanan yang asing dan sering dijumpai dalam kehidupan sehari-hari. Namun produksi daging sapi di pulau sumatera masih belum merata karena masih terdapat provinsi yang rendah memproduksi daging sapi. Penelitian ini membahas tentang penerapan Data Mining pada produksi daging sapi yang ada di pulau sumatera, dengan menggunakan K-Means Clustering. Sumber data penelitian ini dikumpulkan berdasarkan dokumen-dokumen pertanian yang dihasilkan oleh Badan Pusat Statistika Nasional. Data yang digunakan pada penelitian ini adalah data dari tahun2016-2020 yang terdiri dari 10 Provinsi. Variable yang digunakan (1) jumlah produksi daging sapi. Data akan dolah dengan melakukan 2 Cluster yaitu cluster produksi tertinggi dan cluster produksi terendah. Centroid data untuk cluster tingkat produksi tertinggi 110457.86 dan centroid data untuk cluster terendah 8088.28. sehingga diperoleh nilai berdasarkan indeks produksi daging sapi yang ada pada provinsi di pulau sumatera  dengan 5 provinsi tingkat produksi tertinggi berada pada provinsi Aceh, Sumatera Utara, Sumatera Barat, Sumatera Selatan, dan Lampung, sedangkan 5 provinsi tingkat produksi terendah berada pada provinsi Riau, Jambi, Bengkulu, Kep Bangka Belitung, dan Kep Riau. Hal ini dapat menjadi masukan kepada pemerintah, provinsi yang menjadi perhatian lebih pada populasi daging ayam berdasarkan cluster yang telah dilakukan.

Published
2021-06-21
How to Cite
, ; , . Penerapan Data Mining Dalam Mengelompokkan Produksi Daging Sapi di Pulau Sumatera Menggunakan Algoritma K-Means Clustering. Seminar Nasional Informatika (SENATIKA), [S.l.], june 2021. Available at: <https://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/1164>. Date accessed: 16 feb. 2026.
Section
Articles