Optimisasi Produksi Budidaya Perikanan Di Provinsi Nusa Tenggara Timur Melalui Klasterisasi Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.31294/simpatik.v4i2.3611Keywords:
K-Means, Minkowski, NTTAbstract
Penurunan jumlah ikan di laut akibat overfishing dan perubahan kondisi iklim serta cuaca telah mengganggu aktivitas penangkapan ikan oleh nelayan (Azizi, Putri, & Fahrudin, 2017). Hal ini menyebabkan ketimpangan antara hasil tangkapan laut dan produksi budidaya perikanan. Pada tahun 2018, hasil tangkapan laut di provinsi Nusa Tenggara Timur hanya mencapai 157.690,65 ton, jauh lebih rendah dibandingkan hasil budidaya yang mencapai 1.814.055,91 ton. Untuk mengoptimalkan produksi budidaya perikanan, penerapan pengelolaan yang tepat sangat diperlukan. Dalam penelitian ini, dilakukan studi literatur dan pengelompokan data menggunakan metode klasterisasi dengan algoritma K-means. Metode ini bertujuan untuk mengidentifikasi kelompok-kelompok wilayah atau jenis budidaya dengan karakteristik serupa sehingga pengelolaan sumber daya dapat lebih tepat sasaran. Penggunaan Z-Score dan pengukuran dengan tiga metode jarak, yaitu Manhattan Distance, Minkowski Distance, dan Euclidean Distance, dilakukan untuk menentukan klaster terbaik. Hasil penelitian menunjukkan bahwa nilai akurasi tertinggi berdasarkan Silhouette Coefficient (SC) adalah 0.1325489, yang diperoleh menggunakan Minkowski Distance. Hasil klasterisasi mengelompokkan satu wilayah masing-masing dalam cluster 1 dan 3, sementara tiga wilayah lainnya masuk dalam cluster 2.
References
Azizi, A., Putri, E. I. K., & Fahrudin, A. (2017). Analisis faktor-faktor yang mempengaruhi perubahan pendapatan nelayan akibat variabilitas iklim. Jurnal Sosial Ekonomi Kelautan Dan Perikanan, 12(2), 225-233.
Arthur, D., & Vassilvitskii, S. (2007). K-means++: The Advantages of Careful Seeding. Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms.
Ashari, I.F., Banjarnahor, R., Farida, D.R., Aisyah, S.P., Dewi, A.P., & Humaya, N. (2022). Application of Data Mining with the K-Means Clustering Method and Davies Bouldin Index for Grouping IMDB Movies. Journal of Applied Informatics and Computing.
Br.Giniting, N. S., Maulita, Y., & Ramadan, S. (2023). Pengelompokan pasien operasi sesar berdasarkan indikasinya menggunakan metode clustering. Journal of Engineering, Technology and Computing (JETCom), 2(3).
Cahya, F.N., Mahatma, Y., & Rohimah, S.R. (2023). Perbandingan Metode Perhitungan Jarak Euclidean dengan Perhitungan Jarak Manhattan pada K-Means Clustering Dalam Menentukan Penyebaran Covid di Kota Bekasi. JMT : Jurnal Matematika dan Terapan.
Fajriah, R. I., Sutisna, H., & Simpony, B. K. (2019). Perbandingan Distance Space Manhattan Dengan Euclidean Pada K-Means Clustering Dalam Menentukan Promosi. JCIT (Indonesian Journal on Computer and Information Technology), 4(1), 36-49.
Jarir, D. V., Anton, A., Anton, S. W., Yunarti, Y., Fatmah, F., Jayadi, J., & Usman, H. (2020). Strategi pengelolaan tambak udang vaname (Litopenaeus vannamei) terhadap sebaran penyakit parasiter di Kecamatan Tanete Riattang Timur. JOURNAL OF INDONESIAN TROPICAL FISHERIES (JOINT-FISH): Jurnal Akuakultur, Teknologi dan Manajemen Perikanan Tangkap dan Ilmu Kelautan, 3(1), 28-39.
Kaamilah, L. L., & Mulyawan. (2023). Analisis Kelompok Lansia Berdasarkan Kategori Usia Dengan Metode K-Means Clustering. Jurnal Riset Ilmu Akuntansi, 2(2), 01-14.
Nishom, M. (2019). Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square. Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 4(1), 20.
Syakur, M.A., Khotimah, B.K., Rochman, E.M., & Satoto, B.D. (2018). Integration K-Means Clustering Method and Elbow Method For Identification of The Best Customer Profile Cluster. IOP Conference Series: Materials Science and Engineering, 336.
Supriatin, F. E., Rohman, A. N., Akreditasi, B., Perguruan, N., Kantor, T., Pendidikan, K., & Kebudayaan, D. (2020). Peramalan Produksi Perikanan Budidaya di Kabupaten Malang Dengan Metode Exponential Smoothing. Media Akuatika J. Ilm. Jur. Budid. Perair, 5(2), 51-58.
Widodo, S., Brawijaya, H., & Samudi. (2021). Clustering Kanker Serviks Berdasarkan Perbandingan Euclidean dan Manhattan Menggunakan Metode K-Means. Jurnal Media Informatika Budidarma, 5(2), 687-694.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Karimatul Aulia Hajijah, Annisa Maulana Sabilla, Dinda Jelita, Willdan Aprizal Arifin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 
