Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Stefanus Arman
Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR PETERNAKAN DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN K-MEDOIDS Stefanus Arman; Kris Suryowati; Maria Titah Jatipaningrum
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 2 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i2.4858

Abstract

Peternakan di Indonesia merupakan salah satu sektor yang sangat membantu dalam pertumbuhan ekonomi serta berkontribusi dalam pemenuhan gizi. Peternakan terbagi menjadi ternak besar dan ternak kecil, yang termasuk kedalam kelompok ternak besar yaitu sapi (perah/potong), kerbau dan kuda, sedangkan kelompok ternak kecil terdiri dari babi, kambing, domba, kelinci serta ternak unggas yakni itik, ayam dan burung puyuh. Dalam menunjang produktivitas peternakan di Indonesia diperlukan data yang menggambarkan persebaran ternak yang ada. Dalam penelitian ini pengelompokan Provinsi di Indonesia dilakukan menggunakan algoritma K-Means dan K-Medoids untuk mempartisi data yang ada dalam bentuk satu atau lebih cluster berdasarkan jarak Euclidean. Hasil pengelompokan K-Means Clustering diperoleh cluster 1 beranggotakan 33 Provinsi, dan cluster 2 beranggotakan 1 Provinsi. Sedangkan pengelompokan K-Medoids Clustering diperoleh cluster 1 beranggotakan 30 Provinsi, cluster 2 beranggotakan 1 Provinsi, dan cluster 3 beranggotakan 3 Provinsi. Hasil perbandingan metode terbaik adalah algoritma K-Means Clustering dengan k = 2 dengan nilai Silhouette Index (SI) sebesar 0,78 dan nilai Davies-Bouldin Index (DBI) sebesar 0,21. Hasil profiling cluster untuk metode K-Medoids Clustering dibagi menjadi 2 kategori yaitu tinggi dan sedang dimana untuk kategori tinggi berada pada cluster 2 dan kategori sedang berada pada cluster 1.
Co-Authors Kris Suryowati Maria Titah Jatipaningrum