Klasterisasi Kualitas Biji Kopi Berdasarkan Taraf Penyusutan Menggunakan Metode K-Harmonic Means dengan Validasi Silhouette Index dan C-index

Article Sidebar

PDF
Published: Dec 28, 2024
DOI: https://doi.org/10.59395/f1jg3b72
Keywords:
kopi, k-harmonic means, pengklasteran, silhouette index, c-index

Main Article Content

Arwin Putra
Universitas Malikussaleh
Dahlan Abdullah
Universitas Malikussaleh
Muhammad Daud
Universitas Malikussaleh

Abstract

Kopi merupakan salah satu hasil perkebunan masyarakat Indonesia yang memiliki nilai jual yang tinggi. di Indonesia ada beberapa daerah penghasil kopi, salah satunya adalah Kabupaten Bener Meriah dengan luas lahan 48.95 ribu ha dan jumlah produksi 4.75 ribu ton. Setiap desa nya memiliki jumlah produktifitas kopi asalan yang berbeda-beda, walaupun dengan luas lahan yang sama, hal ini terjadi karena adanya proses penyusutan. Oleh karena itu perlu adanya pengelompokan desa dengan kualitas biji kopi berdasarkan taraf penyusutan. Penelitian ini bertujuan untuk mengelompokkan desa-desa dan mengetahui cluster kualitas biji kopi berdasarkan proses pengolahan.Metode yang digunakan dalam pengelompokan (Clustering) ini menggunakan metode K-Harmonic Means yang merupakan pengembangan dari metode K-Means. Jumlah data yang digunakan dalam penelitian ini yaitu sebanyak 34 desa dengan 6 atribut yaitu nama desa, luas lahan, jumlah gelondong, gabah, labu dan asalan . pengujian klaster dilakukan dengan jumlah klaster k = 2, 3 dan 4 serta menguji klaster yang dihasilkan dengan menggunakan metode validasi silhouette index dan C-Index. Berdasarkan hasil analisis penelitian ini didapatkan klastering yang terbaik pada  k = 2 dengan metode Silhouette Index dengan nilai SI = 0,59822 sedangkan c-index diperoleh klaster yang terbaik pada k = 4 dengan nilai CI = 0,03436. Adapun hasil profilisasi k = 2 yaitu 9 desa dengan kualitas kopi sangat baik dan 25 desa dengan kualitas kopi baik. dan profilisasi k = 4 yaitu 5 desa dengan kualitas kopi sangat baik, 13 desa dengan kualitas kopi baik, 10 desa dengan kualitas kopi cukup dan 6 desa dengan kualitas kurang. Dari kedua metode ini yang paling optimal yaitu menggunakan 4 klaster pada c-index yang memiliki nilai rasio Sw dan Sb terkecil yaitu 0,0734.

Article Details

How to Cite
Klasterisasi Kualitas Biji Kopi Berdasarkan Taraf Penyusutan Menggunakan Metode K-Harmonic Means dengan Validasi Silhouette Index dan C-index. (2024). Jurnal Janitra Informatika Dan Sistem Informasi, 4(2), 74-86. https://doi.org/10.59395/f1jg3b72
Issue
Vol. 4 No. 2 (2024): Jurnal Janitra Informatika dan Sistem Informasi
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

How to Cite

Klasterisasi Kualitas Biji Kopi Berdasarkan Taraf Penyusutan Menggunakan Metode K-Harmonic Means dengan Validasi Silhouette Index dan C-index. (2024). Jurnal Janitra Informatika Dan Sistem Informasi, 4(2), 74-86. https://doi.org/10.59395/f1jg3b72

References

[1] Y. Putriana, A. Amri, and H. T. Hidayat, “Penentuan Kualitas Biji Kopi Menggunakan Metode Fuzzy Logic,” J. Infomedia, vol. 1, no. 1, 2016, doi: 10.30811/.v1i1.280.

[2] E. T. Kembaren and Muchsin, “Pengelolaan Pasca Panen Kopi Arabika Gayo Aceh,” J. Visioner dan Strateg., vol. 10, no. 1, pp. 29–36, 2021.

[3] “BPS Bener Meriah,” 2020. https://benermeriahkab.bps.go.id/ (accessed Jan. 19, 2022).

[4] S. ‘Aina Salsabila, T. Widiharih, and Sudarno, “Metode K-Harmonic Means Clustering dengan Validasi Silhouette Coefficient,” J. Gaussian, vol. 11, no. 1, pp. 11–20, 2022.

[5] Y. D. Gustientiedina, M.Hasmil Adiya, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.

[6] D. F. Pasaribu, I. S. Damanik, E. Irawan, Suhada, and H. S. Tambunan, “Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat,” BIOS J. Teknol. Inf. dan Rekayasa Komput., vol. 2, no. 1, pp. 11–20, 2021, doi: 10.37148/bios.v2i1.17.

[7] M. A. W. K. MURTI, “Penerapan Metode K-Means Clustering Untuk Mengelompokan Potensi Produksi Buah – Buahan Di Provinsi Daerah Istimewa Yogyakarta,” Skripsi, 2017.

[8] D. Abdullah, S. Susilo, A. S. Ahmar, R. Rusli, and R. Hidayat, “The application of K-means clustering for province clustering in Indonesia of the risk of the COVID-19 pandemic based on COVID-19 data,” Qual. Quant., vol. 56, no. 3, pp. 1283–1291, 2022, doi: 10.1007/s11135-021-01176-w.

[9] I. gede Gunadi, D. P. S. Putri, I. . Mistanada, G. . Prayoga, and N. M. Y. . Rahayu, “Analisis Cluster Pada Pengelompokan Siswa Diktuk Bintara Polri TA. 2018/2019, SPN Singaraja - Polda Bali Menggunakan K-Means dan K-Harmonic Means,” J. Ilm. SINUS, vol. 17, no. 2, p. 13, 2019, doi: 10.30646/sinus.v17i2.421.

[10] Y. Syahra, R. I. Ginting, and M. Yetri, “Implementasi Data Mining Untuk Penyusunan Tata Letak Data Obat-Obatan Dengan Menggunakan Algoritma K-Harmonic Means Pada Apotek Inti Fada Sidamanik,” J. Technopreneursh. Inf. Syst., vol. 3, no. 1, pp. 19–25, 2020, doi: 10.36085/jtis.v3i1.718.

[11] M. A. Nahdliyah, T. Widiharih, and A. Prahutama, “Metode K-Medois Clustering Dengan Validasi Silhouette Index Dan C-Index (Studi Kasus Jumlah Kriminalitas Kabupaten/Kota di Jawa Tengah Tahun 2018),” J. Gaussian, vol. 8, no. 2, pp. 161–170, 2019, doi: 10.14710/j.gauss.v8i2.26640.

[12] M. Charrad, N. Ghazzali, V. Boiteau, and A. Niknafs, “Nbclust: An R package for determining the relevant number of clusters in a data set,” J. Stat. Softw., vol. 61, no. 6, pp. 1–36, 2014, doi: 10.18637/jss.v061.i06.

[13] H. H. Qastari, O. Soesanto, and Y. Sukmawaty, “K-Means Clustering dan Principal Component Analysis (PCA) Dalam Radial Basis Function Neural Network (RBFNN) Untuk Klasifikasi Data Multivariat,” J. Math. Theory Appl., vol. 4, no. 1, pp. 1–7, 2022, doi: 10.31605/jomta.v4i1.1757.

[14] D. I. Yunistya, R. Goejantoro, and F. D. T. Amijaya, “The Application Of K – Harmonic Means Method In District / City Grouping ( Case Study : Poverty in Kalimantan Island in 2020 ),” J. Mat. Stat. dan komputasi, vol. 19, no. 1, pp. 51–64, 2022, doi: 10.20956/j.v19i1.21116.

[15] B. Poerwanto, “Evaluating the K-Means Analysis in Clustering Area Based on Estates Productivity in Tana Luwu Using Silhouette Index,” J. Phys. Conf. Ser., vol. 1752, no. 1, 2021, doi: 10.1088/1742-6596/1752/1/012014.

[16] H. Mahi, N. Farhi, K. Labed, and D. Benhamed, “The Silhouette Index and the K-Harmonic Means algorithm for Multispectral Satellite Images Clustering.,” Proc. 2018 Int. Conf. Appl. Smart Syst. ICASS 2018, no. November, pp. 1–6, 2019, doi: 10.1109/ICASS.2018.8652068.

[17] A. Assegaf, M. A. Mukid, and A. Hoyyi, “Analisis Kesehatan Bank Menggunakan Local Mean K-Nearest Neighbor dan Multi Local Means K-Harmonic Nearest Neighbor,” J. Gaussian, vol. 8, no. 3, pp. 343–355, 2019, doi: 10.14710/j.gauss.v8i3.26679.

[18] T. P. Fiqar, S. B. Musa, F. M. Humaira, I. M. Widiartha, D. Herumurti, and A. Z. Arifin, “Pengembangan Metode Klasterisasi Data Berbasis Hybrid Improved Artificial Bee Colony (IABC) dan K – Harmonic Means,” SPECTA J. Technol., vol. 2, no. 3, p. 10, 2018, doi: 10.35718/specta.v2i3.3.