PENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS CLUSTERING

Mhd Gading Sadewo, Agus Perdana Windarto, Dedy Hartama

Abstract


Ayam bukanlah makanan yang asing bagi penduduk Indonesia. Makanan tersebut sangat mudah dijumpai dalam kehidupan masyarakat sehari-hari. Namun tingkat konsumsi daging ayam di Indonesia masih tergolong rendah dibandingkan dengan Negara tetangga. Penelitian ini membahas tentang Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. Sumber data penelitian ini dikumpulkan berdasarkan dokumen-dokumen keterangan populasi daging ayam yang dihasilkan oleh Badan Pusat Statistik Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2009-2016 yang terdiri dari 34 provinsi. Variable yang digunakan (1) jumlah populasi dari tahun 2009-2016. Data akan diolah dengan melakukan clushtering dalam 3 clushter yaitu clusther tingkat populasi tinggi, clusther tingkat populasi sedang dan rendah. Centroid data untuk cluster tingkat populasi tinggi 4711403141, Centroid data untuk cluster tingkat populasi sedang 304240647, dan Centroid data untuk cluster tingkat populasi rendah 554200. Sehingga diperoleh penilaian berdasarkan indeks populasi daging ayam dengan 1 provinsi tingkat populasi tinggi yaitu Jawa Barat, 6 provinsi tingkat populasi sedang yaitu Sumatera Utara, Jawa Tengah, Jawa Timur, Banten, Kalimantan Selatan dan Kalimantan Timur, dan 27 provinsi lainnya termasuk tingkat populasi rendah. Hal ini dapat menjadi masukan kepada pemerintah, provinsi yang menjadi perhatian lebih pada populasi daging ayam berdasarkan cluster yang telah dilakukan

Full Text:

PDF

References


(http://www.jurnas.com/halaman/15/2011-10-14/185472, 8 Agustus 2017).

S. M. S. Hadi Rachmat, Anindya Apriliyanti Pravitasari, “Fuzzy K-Means Clustering Untuk Mengklasifikasikan Perusahaan Eksportir Furniture Rotan Di Kabupaten Cirebon,” Pros. Semin. Nas. Stat., vol. 2010, no. November, pp. 146–153, 2010.

S. Nelson Butarbutar, Agus Perdana Windarto, Dedi Hartama, “Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan Prestasi Nilai Akademik Siswa,” JURASIK (Jurnal Ris. Sist. Inf. Tek. Inform., vol. 1, no. 2012, pp. 46–55, 2016.

Murtidjo, B.A. 1993. Beternak Sapi Potong. Kanisius.Yogyakarta.

Hermawati, F. A., 2013, Data Mining, Penerbit ANDI, Yogyakarta.

Luthfi, Kusrini dan Emha Taufiq. 2009. Algoritma Data Mining. Yogyakarta: Andi.

Prasetyo, Eko. 2012. Data Mining: Konsep dan Aplikasi menggunakan MATLAB. Yogyakarta: CV Andi Offset.

Wyatt, J. C, danSpiegelhalter, D., 1991, Field Trials of Medical Decision-Aids: PotentialProblems and Solutions, Clayton, P. (ed.): Proc. 15th Symposium on ComputerApplications in Medical Care, Vol 1, Ed. 2, McGraw Hill Inc, New York.

Venkateswarlu, B., & Raju, P. G., 2013, Mine Blood Donors Information through Improved KMeans Clustering, arXiv preprint arXiv:1309.2597.


Refbacks

  • There are currently no refbacks.


InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

Program Studi Teknik Informatika - Universitas Islam Sumatera Utara
Website : http://jurnal.uisu.ac.id/index.php/infotekjar/index
Email : infotekjar@ft.uisu.ac.id

Creative Commons License
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan) is licensed under a Creative Commons Attribution 4.0 International License