Mardiah, Mardiah (2025) PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN DATA HASIL PRODUKSI KELAPA SAWIT DI KABUPATEN ACEH TAMIANG. S1 thesis, Universitas Malikussaleh.

	Text MARDIAH_200180166_Cover.pdf Download (151kB)
	Text MARDIAH_200180166_Abstrak.pdf Download (146kB)
	Text MARDIAH_200180166_Bab I.pdf Download (222kB)
	Text MARDIAH_200180166_Daftar Pustaka.pdf Download (173kB)
	Text MARDIAH_200180166_Penerapan Algoritma K-Means Clustering Dalam Menentukan Data Hasil Produksi Kelapa Sawit Di Kabupaten Aceh Tamiang.pdf Restricted to Registered users only Download (825kB)

Abstract

Kelapa sawit merupakan salah satu komoditas utama yang memiliki peran strategis dalam mendukung perekonomian daerah, termasuk di Kabupaten Aceh Tamiang. Dengan luas areal tanam mencapai 24.760 hektar dan jumlah produksi mencapai 307.214 ton pada tahun 2023, pengelolaan hasil produksi kelapa sawit secara efisien sangat diperlukan. Salah satu tantangan yang dihadapi adalah bagaimana mengelompokkan data hasil produksi secara objektif agar dapat dianalisis lebih lanjut sebagai dasar pengambilan keputusan. Oleh karena itu, penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering dalam mengelompokkan data hasil produksi kelapa sawit berdasarkan kesamaan karakteristik, seperti luas tanam, luas panen dan jumlah produksi. Metode penelitian ini menggunakan pendekatan kuantitatif dengan data sekunder yang diperoleh dari instansi Badan Pusat Statistik Kabupaten Aceh Tamiang. Tahapan analisis data dimulai dari pembersihan dan normalisasi data, dilanjutkan dengan penerapan algoritma K-Means menggunakan software rapidminer dan perangkat lunak Python, dan menggunakan metode SAW (Simple Additive Weighting) untuk perangkingan data. Pemilihan jumlah cluster dilakukan menggunakan metode Elbow untuk mendapatkan hasil pengelompokan yang optimal. Hasil dari penelitian ini menunjukkan bahwa data dapat dikelompokkan menjadi dua cluster utama, yaitu produktivitas tinggi dan rendah. Setiap cluster mencerminkan kondisi wilayah berdasarkan hasil produksi kelapa sawitnya, sehingga dapat menjadi acuan dalam penentuan strategi peningkatan hasil panen kelapa sawit secara spesifik dan terarah. Penerapan algoritma K-Means Clustering terbukti efektif dalam menganalisis dan mengelompokkan data hasil produksi secara otomatis dan sistematis. Penelitian ini diharapkan dapat menjadi referensi dalam pengambilan kebijakan yang berbasis data serta mendukung pengembangan sistem informasi pertanian di masa mendatang. Kata kunci: Kelapa sawit, produktivitas, clustering, K-Means, Simple Additive Weighting.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Mardiah Mardiah
Date Deposited:	04 Sep 2025 04:09
Last Modified:	04 Sep 2025 04:09
URI:	https://rama.unimal.ac.id/id/eprint/14941

Actions (login required)

View Item