PENERAPAN ALGORITMA K-MEANS CLUSTERING PADA PEMBESARAN JENIS IKAN UNGGULAN DI PROVINSI JAWA BARAT

Abstract

Indonesia sebagai negara kepulauan yang besar, memiliki perairan yang lebih luas dibandingkan dengan daratannya. Karena ukuran perairannya yang besar, Indonesia memiliki potensi yang besar dalam produksi budidaya perikanan, terutama untuk meningkatkan pertumbuhan jenis ikan unggulan. Penelitian ini bertujuan untuk menerapkan metode data mining dengan menggunakan algoritma K-Means clustering. Data produksi perikanan tahun 2020 akan digunakan sebagai sumber data untuk penelitian ini. Data diambil berasal dari Open Data Jabar (ODJ). Data mining diterapkan untuk menganalisis data produksi budidaya pembesaran dari masing-masing jenis ikan unggulan di Provinsi Jawa Barat. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery and Data Mining (KDD) yang merupakan salah satu metode yang paling populer dalam data mining. Langkah pertama dalam penelitian ini adalah pengumpulan dan persiapan data, data produksi perikanan budidaya pembesaran akan dikumpulkan dari sumber yang relevan. Dengan menggunakan algoritma K-Means, pengelompokkan produksi perikanan budidaya pembesaran jenis ikan unggulan dapat diidentifikasi. Misalnya, dibagi menjadi 5 cluster, cluster 1 (C1), cluster 2 (C2), cluster 3 (C3), cluster 4 (C4), dan cluster 5 (C5). Hasil penelitian ini yaitu cluster 0: 63 item, cluster 1: 9 item, cluster 2: 64 item, cluster 3: 93 item, cluster 4: 1 item.items. Klaster dengan pertumbuhan ikan sangat cepat berada di cluster 2 yaitu jenis ikan lele, patin, sepat siam, udang krosok, udang windu, udang danau, rumput laut, kepiting bakau sedangkan pertumbuhan ikan yang sangat lambat ada di cluster 1 yaitu jenis ikan tambakan.