Perbandingan Algoritma K-Means dan Fuzzy C-Means untuk Klasterisasi Produktivitas Kedelai di Pulau Jawa

Abstract

Kedelai merupakan tanaman pangan yang memiliki nilai ekonomi yang tinggi dan merupakan salah satu bahan pangan yang sering di konsumsi oleh masyarakat Indonesia. Meskipun memiliki potensi besar dalam mendukung ketahanan pangan nasional, Indonesia masih menghadapi tantangan dalam memenuhi kebutuhan kedelai secara mandiri. Hal ini disebabkan oleh keterbatasan produksi lokal yang belum mampu mengimbangi tingginya permintaan masyarakat. Akibatnya, Indonesia masih bergantung pada impor kedelai dari luar negeri untuk memenuhi kebutuhan domestik. Penelitian ini bertujuan menghasilkan informasi berupa pengelompokkan wilayah, menganalisis pola tren pertumbuhan, dan menentukan model klasterisasi yang paling optimal dari K-Means dan Fuzzy C-Means dengan menggunakan data tanaman pangan Kedelai di Pulau Jawa. Data yang digunakan berupa time series tahunan dari tahun 2010 hingga 2022, yang diperoleh dari situs Basis Data Statistik Pertanian. Hasil evaluasi silhouette dari metode K-Means dan Fuzzy C-Means memiliki hasil yang serupa dalam menentukan klasterisasi data berdasarkan nilai k yang paling optimal berada di 0.4659 dengan jumlah klaster k = 2. Tiap klaster terbagi menjadi 2 klaster, klaster 0 memiliki 66 wilayah dengan hasil produktivitas rendah, klaster 1 memiliki 16 wilayah dengan hasil produktivitas tinggi.