PERBANDINGAN ALGORITMA K-MEANS DAN HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKKAN WILAYAH BERDASARKAN PRODUKSI DAN HARGA CABAI DI INDONESIA

Abstract

Cabai rawit merupakan komoditas hortikultura strategis yang berdampak besar terhadap inflasi dan ketahanan pangan nasional, namun masih menghadapi ketimpangan harga dan produktivitas antarwilayah di Indonesia. Penelitian ini bertujuan untuk menganalisis distribusi spasial harga dan produktivitas cabai rawit hijau menggunakan metode K-Means dan Agglomerative Hierarchical Clustering. Dataset diperoleh dari PIHPS Nasional (harga bulanan 2018–2024) dan Kementerian Pertanian (produktivitas 2018–2023), mencakup 34 provinsi dan lebih dari 300 kabupaten/kota. Evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI) menunjukkan konfigurasi optimal pada lima klaster untuk produktivitas (Silhouette 0,64; DBI 0,38) dan tiga klaster untuk harga (Silhouette 0,348; DBI 1,010). Hasil menunjukkan konsistensi spasial antara kedua metode dalam mengidentifikasi wilayah prioritas. Jawa Timur, NTB, dan Jawa Barat masuk kategori produktivitas tinggi dan harga rendah, sedangkan Papua dan Maluku menunjukkan pola sebaliknya. Visualisasi peta dan grafik tren mengungkap daerah urban seperti Bandung dan Bekasi memiliki harga tinggi, sementara sentra produksi seperti Blitar dan Jember menunjukkan kestabilan harga. Temuan ini menegaskan perlunya pendekatan spasial dalam kebijakan pangan nasional, dengan fokus pada penguatan distribusi dan kapasitas produksi di wilayah tertinggal guna menciptakan ketahanan pangan yang inklusif dan berkelanjutan.