PENERAPAN ALGORITMA SELF ORGANIZING MAP DALAM PENGELOMPOKAN WILAYAH BERDASARKAN KETAHANAN PANGAN DI KABUPATEN BANTUL

An Naffila Putri Prasari, Universitas Negeri Yogyakarta, Indonesia
Dhoriva Urwatul Wutsqa, Universitas Negeri Yogyakarta, Indonesia

Abstract


Penelitian ini bertujuan untuk mendeskripsikan hasil analisis cluster dan karakteristik cluster dari hasil clustering dengan metode Self Organizing Map dan Davies Bouldin Index (DBI) untuk pengelompokan wilayah di Kabupaten Bantul berdasarkan indikator ketahanan pangan. Ketahanan pangan merupakan faktor krusial dalam memastikan ketersediaan dan akses pangan yang cukup bagi masyarakat. Pada data indikator ketahanan pangan di Kabupaten Bantul perlu dilakukan analisis cluster untuk memetakan setiap kecamatan ke suatu cluster. Data yang digunakan adalah data indikator ketahanan pangan tahun 2021 yang diperoleh dari laman resmi BPS, dinas kabupaten, dan kementerian terkait. Hasil penelitian menunjukkan bahwa 4 cluster adalah jumlah cluster terbaik dengan nilai validasi DBI 0.6793819. Cluster ke-1 terdiri dari 13 anggota, cluster ke-2 terdiri dari 1 anggota, cluster ke-3 terdiri dari 2 anggota, dan cluster ke-4 terdiri dari 1 anggota. Setiap cluster memiliki karakteristik masing-masing. Secara berturut-turut dari cluster ke-1 s.d. cluster ke-4 dapat dikelompokkan sebagai cluster dengan wilayah tahan pangan, tidak tahan pangan, kurang tahan pangan, dan sangat tahan pangan.

Kata Kunci: ketahanan pangan, clustering, self organizing map, davies bouldin index


References


Abdullah, D., Susilo, S., Ahmar, A. S., et al. (2022). The application of K-means clustering for province clustering in Indonesia of the risk of the COVID-19 pandemic based on COVID-19 data. Quality & Quantity, 56(3), 1283-1291.

Badan Perencanaan Pembangunan Nasional. (2021). Laporan Kajian Food Loss amd Waste di Indonesia: Dalam Rangka Mendukung Penerapan Ekonomi Sirkular dan Pembangunan Rendah Karbon. Jakarta.

Davies, D. L., & Bouldin, D. W. (1979). A cluster separation measure. IEEE transactions on pattern analysis and machine intelligence, (2), 224-227.

Dinas Pertanian Pangan Kelautan dan Perikanan Kabupaten Bantul. (2021). Album Peta Lahan Pertanian Pangan Berkelanjutan Kapanewon Srandakan. Bantul.

Fausett, L. (1994). Fundamental of neural network (Architectures, Algorithms, and Applications). Upper Saddle River, New-Jersey: Prentice-Hall.

Han, J., Kamber, M., & Pie, J. (2012). Data Mining: Concepts and Technique Third Edition. Elsevier.

Irsalinda, N., Carolina, N., Trimanto, R., et al. (2022). Provincial Clusterization in Indonesia Using the Elbow Method as a National Food Security Solution During Pandemic: Klasterisasi Provinsi di Indonesia menggunakan Metode Elbow Sebagai Solusi Ketahanan Pangan Nasional Selama Pandemi. Bulletin of Applied Mathematics and Mathematics Education, 2(2).

Le, T., & Altman, T. (2011). A new initialization method for the Fuzzy C-Means Algorithm using Fuzzy Subtractive Clustering. In Proceedings of the International Conference on Information and Knowledge Engineering (IKE) (p. 1). The Steering Committee of The World Congress in Computer Science, Computer Engineering and Applied Computing (WorldComp).

Practical, G. (2008). An Introduction to the Basic Concepts of Food Security.

Republik Indonesia. (2012). Undang-Undang RI Nomor 18, Tahun 2012, tentang Pangan.

Rini, D. P., & Ruskan, E. L. (2020). Clustering of Food Security Status in South Sumatera Using Fuzzy C-Means Algorithm. In Sriwijaya International Conference on Information Technology and Its Applications (SICONIAN 2019) (pp. 207-210). Atlantis Press.

Susilowati, T., Sugiarto, D., & Mardianto, I. (2020). Validity Test of Self-Organizing Map (SOM) and K-Means Algorithm for Employee Grouping. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 4(6), 1171-1178.

Thaha, I. (2013). Kajian Self-Organizing Maps (SOM) dalam Pengelompokan Objek (Studi kasus: pengelompokan desa/kelurahan di Kabupaten Wajo Sulawesi Selatan) (Doctoral dissertation, Tesis. Jurusan Statistika. Institut Pertanian Bogor).

Wardoyo, A. E., & Tripuspita, N. (2020). Penentuan Cluster Optimum pada Tingkat Pengangguran dan Tingkat Kemiskinan di Jawa Timur Menggunakan Algoritma Fuzzy C-Means. BIOS: Jurnal Teknologi Informasi dan Rekayasa Komputer, 1(2), 40-47.

Wu, J. (2012). Advances in K-means clustering: a data mining thinking. Springer Science & Business Media.

Wulandari, K., & Fauzy, A. (2016). Implementasi Self Organizing Maps untuk Clustering Ketahanan dan Kerentanan Pangan Desa di Kabupaten Magetan 2014. Jurnal Matematika, 1.


Refbacks

  • There are currently no refbacks.


 

Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.