Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) ISBN: 978-602-52720-1-1 SAINTEKS 2019 Januari 2019 Hal: 762 - 767 Putrama Alkhairi | https://seminar-id.com/semnas-sainteks2019.html P a g e | 762 Penerapan K-Means Cluster Pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara Putrama Alkhairi, Agus Perdana Windarto Prodi Sistem Informasi, Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa, Pematangsiantar, Indonesia E-mail: putramaalkhairi97@gmail.com Abstrak Data mining ialah istilah yang telah digunakan untuk proses otomatik yang menggunakan matematika, kecerdasan buatan, statistik, dan machine learning untuk mengidentifikasi dan mengekstrasi informasi pengetahuan yang tersembunyi dalam database. Clustering ialah suatu proses pengelompokkan kumpulan data menjadi beberapa kelompok sehingga objek di suatu kelompok memiliki banyak kesamaan dan memiliki banyak perbedaan dengan objek dikelompok lain. K-means clustering ialah metode data clustering non-hirarkii yang mengelompokkan data dalam bentuk satu maupun lebih dari suatu cluster atau kelompok. Algoritma k-means merupakan algoritma teknik clustering yang berbasis suatu partisi. Tujuan penelitian ini ialah untuk mengetahui pengukuran dari kinerja algoritma dan mengelompokan daerah potensi karet produktif, Pengukuran dilihat dari hasil cluster dengan cara menghitung nilai kemurnian (purity measure) masing – masing cluster/kelompok yang di hasilkan. Data penelitian ini menggunakan ialah data dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Diharapkan dengan adanya penelitian ini bisa berkontribusi dalam mengefektifkan dalam penggunaan lahan pertanian karet pada setiap daerah. Kata Kunci: Data Mining, Daaerah Potensi, Clustering, K-Means, Produktif 1. PENDAHULUAN Salah satu sebab banyaknya kerugian dalam pemberdayaan lahan pertanian karet dan petani perkebunan rakyat yang merugi akibat ketidak stabilan harga karet yakni mengenai tingginya biaya pembukaan lahan baru bagi pemerintah yang mempengaruhi kelangsungan kegiatan pemberdayaan lahan potensial lahan pertanian karet dan harga karet yang cenderung terus menurun dikarenakan kualitas karet dan ketidak terjangkauan dalam menjual karet perkebunan rakyat kepada pengepul karet di karenakan tidak masuk daerah potensi perkebunan karet pemerintah[1]. Perkebunan Karet ialah salah satu komoditi utama di Sumater Utara yang menjadi penyumbang anggaran pendapatan daerah yang cukup besar dikarenakan bahan karet merupakan bahan tekstil yang paling dibutuhkan dalam perkembangan industri saat ini[2]. Adapun masalah yang muncul dalam menentukan daerah pertanian produktif ialah biaya observasi yang mahal dan pembebasan secara administrasi dengan tanah adat yang sangat sulit[3]. Ketika menentukan keputusan yang sederhana seperti menentukan memilih model sepatu tentu sangat mudah untuk dilakukan. Namun bagaimana jika keputusan yang akan ditentukan bersifat kompleks dan memiliki resiko yang besar seperti penentuan daerah potensi pertanian terbaik pertanian perkebunan karet[4]. Hal ini sering terjadi pada pemerintah yang akan memilih daerah pegembangan tersebut. Proses pengelompokan tempat sebagai potensi pegembangan ini salah satu cara membantu pemerintah menentukan daerah pengembangan perkebunan karet dalam pengembangan wilayah pertanian yang merupakan peluang bagi pemerintah untuk mengembangkan dan meningkatkan perekonomian daerah sumut[5]. Dari permasalahan diatas maka dibuatlah suatu penelitian dengan memanfaatkan data-data Webiste Resmi Badan Pusat Statistik dari tahun 2015 sampai dengan tahun 2017 http://.www.bps.go.id seperti daerah kabupaten/kota, Luas Tanah Tidak Menghasilkan, Tanah Menghasilkan, Tanah Belum Menghasilkan dan Jumlah Produksi. Didalam ilmu komputer banyak cabang ilmu yang dapat menyelesaikan masalah yang kompleks. Hal ini dibuktikan dengan beberapa penelitian dibidang jaringan saraf tiruan [6][7]–[10][11], bidang sistem pendukung keputusan [12][13][14][15]–[18], bidang datamining [19][20][21]–[25]. Berdasarkan penjelasan tersebut peneliti menggunakan datamining dimana data-data tersebut akan diproses data mining dengan menggunakan metode clustering yang nantinya akan menghasilkan informasi yang penting untuk pertimbangan bagi pemerintah[2],[23]. Untuk memperoleh informasi berupa prediksi melalui suatu proses data mining maka di penelitian ini menggunakan proses algoritma k-means dimana proses ini menggunakan beberapa tahapan yaitu data selection,data integration, data cleaning, data mining, data transformation, presentation dan evaluation yang dalam proses data mining ini akan menggunakan suatu software yaitu software Rappidminer. Selain itu software Rapidminer juga memiliki kemampuan untuk mengelola data dengan metode clustering (pengelompokkan) yang dipakai dalam penelitian ini[2]. Algoritma k-means hanya mengambil sampel dari seluruh populasi komponen yang didapatkan untuk dijadikan pusat cluster awal, menentukan pusat cluster/kelompok ini dipilih secara acak dari suatu populasi data. Kemudian algoritma k-means akan menguji dari setiap komponen yang terdapat dalam populasi data dan menandai komponen ke dalam salah satu pusat cluster yang telah di klarifikasikan sebelumnya tergantung jarak minimum antara komponen dengan tiap – tiap pusat cluster. Kemudian posisi pusat cluster akan dihitung kembali sampai semua komponen data digolongkan ke dalam masing-masing clusterdan terakhir akan terbentuk clusterbaru yang akhir penelitian ini diharapkan akan berkontribusi bagi pemerintah dan masyrakat dalam pengemabangan pertanian perkebunan karet[3]. 2. METODOLOGI PENELITIAN 2.1 Data Mining Data mining dikenal dengan istilah pattern recognition ialah suatu metode pengolahan data yang digunakan untuk mendapatkan pola tersembunyi dari data yang akan diolah. Data yang diproses dengan teknik data mining akan menciptakan