Implementasi Metode K-Means Clustering Dalam Pengelompokan Bibit Tanaman Kopi Arabika

Abstract

The diversity of coffee seed material which in the end makes it difficult for the Department of Agriculture and Plantation in classifying recommended seeds to be distributed and planted in coffee planting centers in their working areas, especially in Sarimunthe Village, Kec. Munte Karo District. Data mining is used to extract valuable information from a dataset and then present it in a format that is easy for humans to understand in order to make a decision. In this study, data processing of Arabica coffee seeds consisting of 30 items, in the Karo District Agriculture sector, in preparing the seeds to be distributed to the public, the assessment is divided into 3 phases, namely coffee seeds that do not produce (Phase 0-1 Year), immature (Phase 0-1 Year). Phase 1-2 Years) and produce (Phase 2 Years and above). The results of the calculation of the K-Means algorithm which have been grouped into clusters, it can be concluded that the recommended coffee seeds (C1) consist of 10 items, the coffee seeds that are not recommended (C2) consist of 7 types of coffee seeds and unfit coffee seeds. (C3) consists of 13 types of coffee seeds. .

Klastering Kopi Arabika Menggunakan Algoritma K-Medoids

“…Pada penelitian terdahulu sudah menerapkan beberapa metode algoritma data mining seperti dalam pengelompokan bibit tanaman kopi arabika yang dilakukan dengan metode K-Means clustering [4]. Kemudian terdapat optimalisasi penentuan sumber pasokan kopi arabika gayo melalui pendekatan hirarchical clusteting [5].…”

Implementasi Metode K-Means Clustering Untuk Menentukan Persediaan Barang Pada Toko SS BabyShop

“…Sehingga sebagai manajemen yang baik dalam proses mengatur persediaan stok barang sangat diperlukan, untuk menghindari penumpukan barang yang sama dan barang yang kurang diminati oleh konsumen, Untuk mengatasi permasalahan tersebut maka digunakan penerapan K-Means Clustering, karena permasalahan yang sering terjadi pada toko mengalami kesulitan pada saat menentukan stok minimum pada tiap barang yang harus dipenuhi berdasarkan keinginan konsumen. Cara mengatasi permasalahan yang dialami saat ini, maka dibutuhkan sebuah metode sehingga dapat menentukan barang mana yang harus di stok banyak, sedang atau bahkan sedikit agar tidak lagi mengalami kekurangan atau bahkan kelebihan dalam pemenuhan stok barang tertentu, metode yang digunakan pada penelitian ini adalah metode K-Means clustering Menurut Benny Ginting dan Fristi Riandri [1] "Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence".…”

Distributed System Optimization Based on K-means Clustering

“…(2) Try to meet the supply and demand balance of distributed energy and load The fact that the regional energy network can achieve a balance of supply and demand is a manifestation of the effective utilization of distributed energy. When clustering and partitioning, the total capacity and load demand of distributed energy divided into the same regional energy network should be as close to balance as possible [9][10] .…”