PENERAPAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN HASIL PERTANIAN DI KECAMATAN SIPAHUTAR

  • Yusuf R.S. Silalahi Silalahi Program Studi Teknik Informatika, Fakultas Teknologi Industri, Institut Sains dan Teknologi TD Pardede, Medan, Indonesia
  • Swingly Purba Program Studi Teknik Informatika, Fakultas Teknologi Industri, Institut Sains dan Teknologi TD Pardede, Medan, Indonesia
  • Piala Mutiara Program Studi Teknik Informatika, Fakultas Teknologi Industri, Institut Sains dan Teknologi TD Pardede, Medan, Indonesia
Kata Kunci: Fuzzy C-Means; clustering; data mining; hasil pertanian; Sipahutar

Abstrak

Sektor pertanian merupakan salah satu sektor penting di Kecamatan Sipahutar, Kabupaten
Tapanuli Utara, tetapi karakteristik produksi antar-komoditas menunjukkan perbedaan yang besar.
Perbedaan luas lahan, hasil panen, dan produktivitas menyebabkan proses penentuan prioritas
pengembangan tidak cukup dilakukan hanya berdasarkan pengamatan subjektif. Penelitian ini
bertujuan menerapkan algoritma Fuzzy C-Means (FCM) untuk mengelompokkan hasil pertanian
berdasarkan kemiripan karakteristik dan menyediakan informasi pendukung bagi perencanaan
pembinaan pertanian. Data penelitian bersumber dari data hasil pertanian Kecamatan Sipahutar
periode 2020–2025, terdiri atas 108 observasi dari 18 komoditas dengan tiga atribut numerik, yaitu
luas lahan, hasil panen, dan produktivitas. Tahapan penelitian meliputi pembersihan data,
standardisasi Z-Score, pengujian beberapa nilai jumlah cluster, proses iteratif FCM, evaluasi
validitas internal, dan interpretasi hasil. Pengujian pada rentang dua sampai tujuh cluster
menghasilkan konfigurasi terpilih sebanyak tiga cluster. Pada model ini diperoleh Fuzzy Partition
Coefficient sebesar 0,8429, Silhouette Score sebesar 0,5919, Davies-Bouldin Index sebesar 0,4176,
Xie-Beni Index sebesar 0,1051, Partition Entropy sebesar 0,2673, dan WCSS sebesar 7,876. Proses
komputasi mencapai konvergensi pada sekitar iterasi ke-29 berdasarkan log implementasi utama.
Pada tingkat observasi tahunan, komposisi cluster terdiri atas 6 observasi tinggi, 37 sedang, dan 65
rendah. Pada tingkat komoditas dominan, Nenas berada pada cluster tinggi; Jahe, Kunyit, Serai,
Laos/Lengkuas, Kubis, Kangkung, dan Labu Siam menjadi komoditas yang perlu dipantau atau
berpotensi ditingkatkan; sementara komoditas hortikultura lainnya dominan berada pada cluster
rendah. Hasil tersebut menunjukkan bahwa FCM dapat digunakan untuk memetakan heterogenitas
hasil pertanian dan menerjemahkannya menjadi rekomendasi pengembangan berbasis data.

Diterbitkan
2026-11-03