ANALISIS CLUSTER PRODUKSI TANAMAN PERKEBUNAN MENGGUNAKAN ALGORITMA SELF ORGANIZING MAP (SOM)

Abstract

Indonesia merupakan negara yang mengandalkan hasil dari sektor pertanian dan sektor perkebunan sebagai sumber mata pencaharian dan penopang pembangunan. Peningkatan dan pemeliharaan produktivitas serta efisiensi sektor perkebunan di suatu wilayah dapat dilakukan apabila pemerintah daerah dapat mengetahui potensi daerahnya tersebut. Untuk mengetahui potensi komoditas sektor perkebunan di Indonesia, perlu diketahui hasil clustering dengan algoritma Self Organizing Map (SOM). SOM merupakan algoritma yang melakukan pemetaan dari data yang ada di ruang vektor berdimensi tinggi ke ruang vektor dua dimensi yang terletak pada lokasi yang berdekatan. Selama proses, neuron yang paling cocok dengan pola input dipilih sebagai winner neuron. Analisis clustering akan menggunakan data produksi perkebunan di Indonesia tahun 2020. Pembentukan cluster diawali dengan normalisasi data, kemudian melakukan proses iterasi untuk mendapatkan neuron. Selanjutnya dapat menetukan inter-cluster dan menentukan yang terkecil. Hasil cluster yang terbentuk dilakukan proses validasi menggunakan DBI. Hasil penelitian menghasilkan 5 cluster dengan nilai DBI 0,2039. Setiap cluster yang terbentuk memiliki karakteristik tersendiri diantaranya cluster 1 memiliki hasil produksi perkebunan kakao tertinggi, cluster 2 memiliki nilai tertinggi pada hasil produksi perkebunan kelapa, tebu, dan tembakau, cluster 3 memiliki nilai tertinggi pada hasil produksi perkebunan karet dan kopi, cluster 4 memiliki hasil produksi perkebunan kelapa sawit tertinggi, dan cluster 5 hasil produksi perkebunan teh tertinggi.

Kata kunci: perkebunan, Self Organizing Map, clustering¸ Davies Bouldin Index.