PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN PRODUKSI PADI DI PROVINSI KALIMANTAN TIMUR

Abstract

Padi merupakan komoditas utama dalam sektor pertanian yang berperan penting dalam ketahanan pangan nasional. Namun, produksi padi di Provinsi Kalimantan Timur mengalami penurunan dari tahun ke tahun. Berdasarkan data Badan Pusat Statistik Kalimantan Timur, produksi padi menurun sebesar 5,20% pada tahun 2023 dibandingkan tahun sebelumnya, salah satunya akibat konversi lahan pertanian. Oleh karena itu, diperlukan metode analisis data yang lebih efektif untuk membantu pengambilan keputusan dalam upaya peningkatan produksi padi. Penelitian ini menggunakan data produksi padi dari Dinas Pertanian Provinsi Kalimantan Timur selama periode 2019–2023. Algoritma K-Means diterapkan untuk pengelompokan berdasarkan luas lahan, produktivitas, dan total produksi. Jumlah cluster optimal ditentukan dengan Elbow Method, sedangkan evaluasi clustering menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa metode Euclidean Distance dan Minkowski Distance (p=3) menghasilkan 1 cluster tinggi, 3 sedang, dan 6 rendah, sedangkan Manhattan Distance menghasilkan 1 cluster tinggi, 2 sedang, dan 7 rendah. Evaluasi menunjukkan Euclidean Distance dan Minkowski Distance lebih baik dengan nilai 0.3692 dibandingkan Manhattan Distance (0.3607). Analisis ini membantu mengidentifikasi daerah dengan produksi rendah untuk perencanaan kebijakan peningkatan produksi padi.