Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K-Means
Abstract
Indonesia adalah negara agraris dengan industri pertanian yang besar, Indonesia memiliki hasil produksi padi tahun 2022 mencapai angka 54,75 juta ton GKG. Data yang dihasilkan dari sektor pertanian akan selalu bertambah banyak, maka perlu dilakukannya pengolahan data yang ada salah satunya yaitu menggunakan data mining. Proses data mining salah satunya adalah clustering, di mana dalam prosesnya perlu penentuan jumlah klaster yang tepat. Penelitian ini dilakukan dengan tujuan membandingkan metode untuk penentuan jumlah klaster yang optimal antara metode elbow dengan metode silhouette coefficient dalam pengelompokkan produksi dan lahan padi di Jawa Barat pada tahun 2020, 2021, dan 2022 menggunakan algoritma k-means. Metodologi yang digunakan pada penelitian ini adalah Knowledge Discovery in Database (KDD). Klaster yang dihasilkan metode elbow berjumlah 3 klaster, sedangkan metode silhouette berjumlah 5 klaster. Hasil evaluasi DBI menggunakan silhouette coefficient sebesar 0,27 sedangkan metode elbow 0,39. Hasil penelitian ini menunjukkan metode silhouette coefficient lebih unggul dalam menentukan jumlah klaster dari pada medote elbow.
References
Andini, T. D., & Farokhah, L. (2022). Peningkatan Ketersediaan darah sesuai segmentasi Umur Menggunakan K-means clustering. Jurnal Manajemen Informatika (JAMIKA), 12(2), 126–136. https://doi.org/10.34010/jamika.v12i2.7897
Dewi, D. A., & Pramita, D. A. (2019). Analisis Perbandingan metode elbow Dan Silhouette Pada algoritma clustering K-medoids Dalam Pengelompokan Produksi Kerajinan bali. Matrix : Jurnal Manajemen Teknologi Dan Informatika, 9(3), 102–109. https://doi.org/10.31940/matrix.v9i3.1662
Handoko, S., Fauziah, F., & Handayani, E. T. (2020). Implementasi data mining untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-means clustering. Jurnal Ilmiah Teknologi Dan Rekayasa, 25(1), 76–88. https://doi.org/10.35760/tr.2020.v25i1.2677
Harahap, F. (2021). Perbandingan Algoritma K-Means dan K-Medoids Untuk Clustering Kelas Siswa Tunagrahita. TIN: Terapan Informatika Nusantara, 2(4), 191-197.
Jollyta, D., Ramdhan, W., & Zarlis, M. Konsep Data Mining Dan Penerapan, Sleman: Deepublish, 2020.
Mughnyanti, M., Efendi, S., & Zarlis, M. (2020). Analysis of determining centroid clustering x-means algorithm with Davies-Bouldin Index Evaluation. IOP Conference Series: Materials Science and Engineering, 725(1), 012128. https://doi.org/10.1088/1757-899x/725/1/012128
Saputra, D. M., Saputra, D., & Oswari, L. D. (2020). Effect of distance metrics in determining K-value in k-means clustering using elbow and silhouette method. Proceedings of the Sriwijaya International Conference on Information Technology and Its Applications (SICONIAN 2019). https://doi.org/10.2991/aisr.k.200424.051
Wahyudi, I., Sulthan, M. B., & Suhartini, L. (2021). Analisa Penentuan cluster Terbaik Pada metode k-means menggunakan elbow terhadap sentra Industri Produksi di Pamekasan. Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM), 2(2), 72–81. https://doi.org/10.31102/jatim.v2i2.1274
