CLUSTERING PROVINSI DI INDONESIA BERDASARKAN PRODUKTIVITAS PANGAN DENGAN ALGORITMA FUZZY C-MEANS

Merlinda, Ayu (2021) CLUSTERING PROVINSI DI INDONESIA BERDASARKAN PRODUKTIVITAS PANGAN DENGAN ALGORITMA FUZZY C-MEANS. Undergraduate thesis, Universias Muhammadiyah Jember.

	Text a. PENDAHULUAN.pdf Download (2MB)
	Text b. ABSTRAK.pdf Download (247kB)
	Text c. BAB I.pdf Download (549kB)
	Text d. BAB II.pdf Restricted to Repository staff only Download (839kB) \| Request a copy
	Text e. BAB III.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text g. BAB V.pdf Restricted to Repository staff only Download (242kB) \| Request a copy
	Text f. BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text h. DAFTAR PUSTAKA.pdf Download (315kB)
	Text i. LAMPIRAN.pdf Download (2MB)
	Text j. JURNAL.pdf Download (806kB)

Abstract

Luas lahan sawah di Indonesia semakin sempit dengan maraknya pembangunan perumahan dan gedung-gedung. Hal ini berakibat pada ketersediaan produksi pangan yang semakin rendah dan sebagai bahan evaluasi untuk meningkatkan produksi dan produktivitas pangan di Indonesia. Seiring dengan meningkatnya pembangunan nasional terutama dalam memenuhi kebutuhan pangan maka permintaan bahan pangan pun meningkat, mengingat sumber daya alam yang besar pada sektor pertanian maka di masa mendatang sektor ini masih merupakan sektor penting dalam memberikan kontribusi pada pertumbuhan ekonomi nasional . Dalam hal ini diperlukan suatu metode pengelompokan data terhadap hasil panen berdasarkan Produktivitas Pangan, salah satu algoritma clustering yang dapat digunakan adalah Fuzzy C-Means (FCM). Data yang digunakan yaitu data Produktivitas Pangan tahun 2016 di 34 Provinsi di Indonesia. Dari serangkaian pengujian dimulai dari 2 cluster hingga 10 cluster, dihasilkan cluster optimum yang berada pada 9 cluster berdasarkan nilai terendah yang dihitung dengan metode Davies Bouldin Index. Cluster 1 terdiri dari 3 provinsi, cluster 2 terdiri dari 4 provinsi, cluster 3 yang terdiri 3 provinsi, cluster 4 yang terdiri 1 provinsi, cluster 5 yang terdiri 1 provinsi, cluster 6 yang terdiri 1 provinsi, cluster 7 yang terdiri 1 provinsi, cluster 8 yang terdiri 15 provinsi, dan cluster 9 yang terdiri 4 provinsi. Jumlah anggota pada tiap cluster dipengaruhi oleh jarak antara pusat cluster dan kemiripan data terhadap pusat cluster pada saat clustering.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Produktivitas Pangan , Clustering, Fuzzy C-Means, Davies Bouldin Index

Subjects:

000 Computer Science, Information, & General Works

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Merlinda Ayu