K-Means Klastering Tanaman Biofarma Zingiber officinale Indonesia Tahun 2023

Authors

  • Ade Aisyah Arifna Putri Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret
  • Nur Irhamni Sabrina Universitas Syiah Kuala
  • Okpri Meila Universitas Syiah Kuala

Keywords:

Biofarma, klastering, K-means, Provinsi, Jahe

Abstract

Indonesia merupakan negara yang banyak memproduksi tanaman biofarma, Biofarma adalah tanaman yang bermanfaat untuk mencegah penyakit dan banyak di gunakan pada industri farmasi. Salah satu tanaman biofarma adalah Zingiber officinale atau dikenal dengan jahe yang banyak tumbuh di seluruh provinsi di Indonesia.  Penelitian ini berfokus dalam melakukan pengelompokan penghasil tanaman biofarmaka dengan menggunakan teknik k-means klastering dengan menggunakan 2 variabel yaitu jumlah panen dan luas lahan dengan menggunakan 4 klaster untuk 38 provinsi di Indonesia. Hasilnya menunjukkan bahwa bahwa terdapat 9 provinsi pada klaster 1, 3 provinsi pada klaster 2, 2 provinsi pada klaster 3 dan 24 provinsi pada klaster 4. Klaster 1 yang berjumlah 3 provinsi adalah penghasil jahe yang paling banyak di Indonesia dan memiliki luas lahan yang paling besar dibandingkan dengan provinsi lainnya.

References

Ade, L., Widyaningrum, D., & Marhaeni, A. A. I. N. (2017). ANALISIS PENGARUH JUMLAH PRODUKSI, LUAS AREAL PANEN, DAN KURS DOLLAR AMERIKA TERHADAP EKSPOR NETTO TANAMAN BIOFARMAKA KELOMPOK RIMPANG DI INDONESIA.

BPS. (2024). Luas Panen Tanaman Biofarmaka Menurut Provinsi dan Jenis Tanaman, 2023. Badan Pusat Statistik.

Matulessy, E. R., & Tambunan, A. U. (2023). Analisis Regresi PLS Sebagai Alternatif Dari Regresi Linear Berganda: Studi Kasus Pengaruh Luas Lahan dan Luas Panen Terhadap Produksi Padi di Kabupaten Manokwari. Jurnal Pendidikan Dan Konseling, 5.

Maulana, A., & Ali, I. (2023). PREDIKSI HASIL PRODUKSI PANEN BAWANG MERAH MENGGUNAKAN METODE REGRESI LINIER SEDERHANA. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 4).

Maulidina, R., & Riska, S. Y. (2023). Application of the K-Means Algorithm for Clustering Plantation Crop Production in Indonesia. SMATIKA JURNAL, 13(02), 339–349. https://doi.org/10.32664/smatika.v13i02.991

Purliantoro, D., & Ayesha, I. (2023). DATA MINING K-MEANS CLUSTERIZATION USING THE DAVIES BOULDIN INDEX BASED ON ARIMA FORECASTING RESULTS OF BIOPHARMACO CROP PRODUCTION IN INDONESIA PROVINCE KLASTERISASI DATA MINING K-MEANS DENGAN INDEKS DAVIES BOULDIN BERDASARKAN HASIL PERAMALAN PRODUKSI TANAMAN BIOFARMAKA DI PROVINSI INDONESIA MENGGUNAKAN ARIMA. Journal of Scientech Research and Development, 5(1). https://idm.or.id/JSCR/in

Sarno, S. (2019). PEMANFAATAN TANAMAN OBAT (BIOFARMAKA) SEBAGAI PRODUK UNGGULAN MASYARAKAT DESA DEPOK BANJARNEGARA. ABDIMAS UNWAHAS, 4(2). https://doi.org/10.31942/abd.v4i2.3007

Simangunsong, A. A., Gunawan, I., Nasution, Z. M., & Artikel, G. (2022). Pengelompokkan Hasil Produksi Tanaman Perkebunan Berdasarkan Provinsi Menggunakan Metode K-Means Clustering Production of Plantation Crops by Province Using the K-Means Method Article Info ABSTRAK. JOMLAI: Journal of Machine Learning and Artificial Intelligence, 1(4), 2828–9099. https://doi.org/10.55123/jomlai.v1i4.1661

Sinaga, K. P., & Yang, M.-S. (2020). Unsupervised K-Means Clustering Algorithm. IEEE Access, 8, 80716–80727. https://doi.org/10.1109/ACCESS.2020.2988796

Triyanto, E., Sismoro, H., & Laksito, A. D. (2019). IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI PRODUKSI PADI DI KABUPATEN BANTUL. Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 4(2), 66–75. https://doi.org/10.36341/rabit.v4i2.666

Zahra, A. L., Tiara, S., Ada, R., & Ardini, A. F. (2024). Implementasi Clustering Algoritma K-Means Pada Produksi Beras di Provinsi Jawa Timur Tahun 2022. In Journal of Computer and Information Systems Ampera (Vol. 5, Issue 3). https://journal-computing.org/index.php/journal-cisa/index

Downloads

Published

2025-12-30