Identifikasi Pola Produksi Bawang Merah di Nusa Tenggara Barat Dengan Teknik Data Mining

Firda Niken Sari, Nani Sulistianingsih, Alifa Maulia Rahmah, Dita Oktariani

Abstract


Abstract: This research aims to identify the patterns of shallots production in West Nusa Tenggara using data mining techniques with the K-Means algorithm. The methodology is quantitative and employs secondary data analysis techniques using local government datasets. The data that has been processed through the pre-processing stages is analyzed using K-Means to group production patterns into three categories: low, medium, and high. The silhouette score, which was used to validate the model, resulted a score of 0.4, indicating that while the clustering quality is acceptable, it can still be increased. The results of this study indicate that the production of shallots is influenced by environmental, economic, and agricultural technology factors. This research suggests creating a more comprehensive model by considering additional variables and utilizing artificial intelligence-based technology and remote sensing to improve prediction accuracy. The implications of this research are expected to assist farmers and stakeholders in making more effective decisions to improve the productivity and price stability of shallots.

Abstrak: Penelitian ini bertujuan untuk mengidentifikasi pola produksi bawang merah di Nusa Tenggara Barat menggunakan teknik data mining dengan algoritma K-Means. Pendekatan yang digunakan adalah kuantitatif dengan metode analisis data sekunder melalui dataset yang bersumber dari pemerintah daerah. Data yang telah diproses melalui tahapan pra-pemrosesan dianalisis menggunakan K-Means untuk mengelompokkan pola produksi ke dalam tiga kategori : rendah, sedang, dan tinggi. Validasi model dilakukan menggunakan silhoutte score, yang menghasilkan nilai 0.4, menunjukkan kualitas klasterisasi cukup baik namun masih dapat ditingkatkan. Hasil penelitian ini menunjukkan bahwa produksi bawang merah dipengaruhi oleh faktor lingkungan, ekonomi, dan teknologi pertanian. Studi ini merekomendasikan pengembangan model yang lebih komprehensif dengan mempertimbangkan variabel tambahan serta pemanfaatan teknologi berbasis kecerdasan buatan dan pengindraan jauh untuk meningkatkan akurasi prediksi. Implikasi penelitian ini diharapkan dapat membantu petani dan pemangku kepentingan dalam pengambilan keputusan yang lebih efektif guna meningkatkan produktivitas dan stabilitas harga bawang merah.


Keywords


Shallot, Data Mining, K-Means.

Full Text:

PDF

References


Dahlianawati, Sofyan, & Jakfar, F. (2020). Analisis Pendapatan Usahatani Bawang Merah (Allium Ascalonicum L) Di Kecamatan Banda Baro Kabupaten Aceh Utara. Jurnal Ilmiah Mahasiswa Pertanian, 5(November), 31–44.

Hidayah, B. N., Sugianti, T., Mardiana, M., & Pramudia, A. (2023). The Impact Of Weather Anomalies On Shallot Seed Production In West Lombok , Indonesia. E3s Web Of Conferences, 03003(2), 1–8.

Irsani, R., Balaningrum, F., Wahyuni, S., Utami, K. J., & Saksono, H. (2024). Pengembangan Bisnis Sektor Pertanian Melalui Pemanfaatan Data Produksi Bawang Merah Di Provinsi Nusa Tenggara Barat. Aletheia: Jurnal Sosial & Humaniora, Inovasi, Ekonomi, Dan Edukasi, 1, 31–39.

Jatmiko, Y. A., Rahayu, R. L., & Darmawan, G. (2017). Perbandingan Keakuratan Hasil Peramalan Produksi Bawang Merah Metode Holt-Winters Dengan Singular Spectrum Analysis ( Ssa ). Jurnal Matematika “Mantik,” 03(01), 13–22.

Larissa, D., Fitri, F., & Fitria, D. (2025). Forecasting The Price Of Shallots In Padang City Using The Sarima Method. Ournal Of Statistics And Data Science, 3(1), 17–25.

Maulana, A., Martanto, & Ali, I. (2023). Prediksi Hasil Produksi Panen Bawang Merah Menggunakan Metode Regresi Linier Sederhana. Jurnal Mahasiswa Teknik Informatika, 7(4), 2884–2888.

Mohamad, E. V., & Medho, S. M. (2020). Pola Produksi Bawang Merah Di Desa Sumlili Kecamatan Kupang Barat : Pendekatan Analisis Hierarki Proses. Partner, 1(3), 1522–1533.

Nurjati, E., & Wiryawan, F. S. (2024). Strategi Meningkatkan Daya Saing Bawang Merah Melalui Prediksi Harga ( The Strategy To Enhance Shallot Competitiveness Based On Predictive Prices ). Jurnal Ilmu Pertanian Indonesia, 29(3), 342–355. Https://Doi.Org/10.18343/Jipi.29.3.342

Patricio, F. G., & Gurat, C. A. (2023). Onionaider : A Model Driven Decision Support System For Weather And Pest-Occurrence Prediction In Onion Cultivation. International Journal Of Computing, Communications And Networking, 12(2), 1–2.

Qi, J., Yu, Y., Wang, L., & Liu, J. (2016). K -Means : An Effective And Efficient K-Means Clustering Algorithm. International Conferences On Big Data And Cloud Computing, 2(3), 242–249. Https://Doi.Org/10.1109/Bdcloud-Socialcom-Sustaincom.2016.46

Rahman, R. A., Afendi, F. M., Nugraheni, W., Sadik, K., & Rizki, A. (2021). Pengelompokan Dan Peramalan Deret Waktu Pada Produksi Bawang Merah Tingkat Provinsi Di Indonesia. Seminar Nasional Official Statistics, 2(1), 457–464.

Salsabila, A. H., Wicaksono, K. S., Kurniawan, S., & Kusumarini, N. (2023). Terhadap Produksi Tanaman Bawang Merah ( Allium Cepa ) Dan Sifat Kimia Tanah. 10(1), 113–118. Https://Doi.Org/10.21776/Ub.Jtsl.2023.010.1.12

Zalvadila, A., Purnawansyah, Syafie, L., & Darwis, H. (2023). Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode Svm Dan Cnn. Jurnal Informatika: Jurnal Pengembangan It, 8(3), 255–260.


Refbacks

  • There are currently no refbacks.