CLUSTERING PRODUKSI PERIKANAN BUDIDAYA LAUT BERDASARKAN PROVINSI MENGGUNAKAN ALGORITMA K-MEANS

Alfian Firlansyah; Andi Akram Nur Risal; Fhatiah Adiba; Andi Baso Kaswar

doi:10.26858/jessi.v2i1.20378

CLUSTERING PRODUKSI PERIKANAN BUDIDAYA LAUT BERDASARKAN PROVINSI MENGGUNAKAN ALGORITMA K-MEANS

Alfian Firlansyah^(1*), Andi Akram Nur Risal⁽²⁾, Fhatiah Adiba⁽³⁾, Andi Baso Kaswar⁽⁴⁾,

(1) Universitas Negeri Makassar
(2) Universitas Negeri Makassar
(3) Universitas Negeri Makassar
(4) Universitas Negeri Makassar
(*) Corresponding Author

DOI: https://doi.org/10.26858/jessi.v2i1.20378

Abstract

Indonesia is a large maritime country, and most of its territorial waters are larger than its land area. Due to the vastness of the oceans, the large number of large and small islands makes Indonesia a potential area for marine cultivation. In general, the existing data based on the Central Statistics Agency (BPS) of Marine Aquaculture Production for each province in Indonesia only applies to production data which only produces detailed data on total marine aquaculture production in tonnes per year, and takes a long time. To classify very large data, a method is needed that can use the K-Means algorithm to classify the highest, middle, and lowest opportunities in the field of marine aquaculture from 2004 to 2018. The results implemented in python consisted of 26 provinces in klaster 1 (C1), 3 provinces in klaster 2 (C2), and 5 provinces in klaster 3 (C3).

Keywords

Indonesia, Classify, K-Means, Python, Provinces

Full Text:

PDF

References

Sari, R. W., & Hartama, D. (2018, July). Data Mining: Algoritma K-Means Pada Pengelompokan Wisata Asing ke Indonesia Menurut Provinsi. In Seminar Nasional Sains dan Teknologi Informasi (SENSASI) (Vol. 1, No. 1).

Agusta, Y. (2007). K-Means–Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika, 3(1), 47-60.

Purnomo, B. S., & Prasetyaningrum, P. T. (2020, Juni). Implementasi Data Mining Dalam Klasifikasi Kunjungan Wisatawan di Kota Yogyakarta Menggunakan Algoritma. JIFTI - Jurnal Ilmiah Teknologi Informasi dan Robotika (Vol. 2, No.1).

Irfiani, E., & Indriyani, F. (2020). Algoritma K-Means Untuk Pengelompokan Rute Perjalanan Wisata Pada Agen Tour & Travel. Indonesian Journal of Computer Science, 9(1), 44-52.

Maulida, L. (2018). Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167-174.

Rosiani, U. D., Rahmad, C., Rahmawati, M. A., & Tupamahu, F. (2020). SEGMENTASI BERBASIS K-MEANS PADA DETEKSI CITRA PENYAKIT DAUN TANAMAN JAGUNG. Jurnal Informatika Polinema, 6(3), 37-42.

Lase, Y., & Panggabean, E. (2019). Implementasi Metode K-Means Pengelompokan Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), 2(2), 43-47.

Hablum, R. J., Khairan, A., & Rosihan, R. (2019). Pengelompokan Hasil Tangkap Ikan Di Pelabuhan Perikanan Nusantara (Ppn) Ternate Menggunakan Algoritma K-Means. JIKO (Jurnal Informatika dan Komputer), 2(1), 26-33.

Sitanggang, I. S., Risal, A. A. N., & Syaufina, L. (2018, November). Incremental Clustering on Hotspot Data as Forest and Land Fires Indicator in Sumatra. In IOP Conference Series: Earth and Environmental Science (Vol. 187, No. 1, p. 012043). IOP Publishing.

Sihombing, E. G. (2017). Klasifikasi Data Mining Pada Rumah Tangga Menurut Provinsi Dan Status Kepemilikan Rumah Kontrak/Sewa Menggunakan K-Means Pengelompokan Method. Computer Engineering, Science and System Journal, 2(2), 74-82.