Optimalisasi K-Means Berbasis Particle Swarm Optimization untuk Hasil Produksi Tanaman Sayuran di Indonesia

Abstract

Sektor pertanian memegang peranan penting dalam memenuhi kebutuhan pokok masyarakat, dengan demikian akan mendongkrak laju perekonomian, sosial, dan perdagangan. BPS pada September 2020 mencatat jumlah penduduk sebesar 270,20 juta jiwa Bertambahnya jumlah penduduk pada setiap tahun, berbanding lurus dengan permintaan kebutuhan pokok yang semakin meningkat. Sedangkan produksi sektor pertanian tidak setiap tahun meningkat. Penelitian ini bertujuan untuk mengelompokan daerah-daerah yang memiliki tingkat hasil produksi tanaman sayuran yang tinggi atau tingkat hasil produksi tanaman sayuran yang masih rendah. Penerapan K-Means clustering memungkinkan untuk mengoptimasi K-Means clustering dengan PSO sehingga dihasilkan informasi yang lebih bermutu. Hasil pemodelan K-Means clustering berbasis PSO untuk hasil produksi tanaman sayuran di Indonesia cluster 0 (sedang) sebanyak 8,82%, cluster 1 (rendah) sebanyak 88,2%, dan cluster 2 (tinggi) sebanyak 2,94%. Provinsi Jawa Barat berada dalam cluster 2, sehingga Provinsi Jawa Barat mendominasi dalam produksi tanaman sayuran di Indonesia. Hasil pengujian berdasarkan rata-rata silhouette coefficient, K-Means berbasis PSO lebih baik daripada K-Means murni meskipun nilai tersebut tidak berbeda signifikan yaitu dengan rata-rata nilai silhouette coefficient sebesar 0,714114. Rata-rata waktu komputasi waktu komputasi K-Means murni lebih cepat dengan rata-rata 0,748 detik dibandingan K-Means berbasis PSO. Waktu yang dibutuhkan lebih lama karena K-Means berbasis PSO memperbaiki kelompok data dari hasil bentukan K-Means clustering.