ANALISIS KLASTERISASI PENERIMA PUPUK SUBSIDI TAHUN 2025 MENGGUNAKAN ALGORITMA K-MEANS++ DAN FUZZY C-MEANS

Faruq, Umar Al (2025) ANALISIS KLASTERISASI PENERIMA PUPUK SUBSIDI TAHUN 2025 MENGGUNAKAN ALGORITMA K-MEANS++ DAN FUZZY C-MEANS. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_57201_2113030003.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030003_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030003_0725057003_0721018801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (774kB)
	Text (BAB 2) RAMA_57201_2113030003_0725057003_0721018801_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (441kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030003_0725057003_0721018801_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (418kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030003_0725057003_0721018801_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (579kB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030003_0725057003_0721018801_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (220kB) | Request a copy
	Text (References) RAMA_57201_2113030003_0725057003_0721018801_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (195kB)
	Text (Lampiran) RAMA_57201_2113030003_0725057003_0721018801_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (848kB) | Request a copy

Abstract

Distribusi pupuk subsidi merupakan kebijakan strategis pemerintah dalam mendukung peningkatan produktivitas pertanian dan menjaga ketahanan pangan nasional. Namun, dalam pelaksanaannya masih ditemukan berbagai permasalahan, seperti ketidaktepatan sasaran penerima, ketimpangan distribusi antarpetani, serta pengelolaan data penerima yang belum optimal. Kompleksitas data penerima pupuk subsidi yang semakin meningkat menuntut adanya pendekatan berbasis data untuk mengelompokkan penerima secara objektif berdasarkan karakteristik yang dimiliki. Penelitian ini bertujuan untuk melakukan klasterisasi penerima pupuk subsidi tahun 2025 menggunakan algoritma K-Means++ dan Fuzzy C-Means. Metode penelitian yang digunakan adalah data mining dengan pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining) yang meliputi tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Dataset yang digunakan berjumlah 729 data penerima pupuk subsidi dengan variabel luas lahan, pupuk urea, pupuk NPK, dan pupuk organik. Seluruh data dinormalisasi menggunakan metode Min–Max sebelum dilakukan proses klasterisasi. Hasil penelitian menunjukkan bahwa penerapan algoritma K-Means++ menghasilkan delapan cluster (K = 8) dengan nilai Silhouette Score sebesar 0,756, Davies–Bouldin Index sebesar 0,241, dan Calinski–Harabasz Index sebesar 7.901,15. Sementara itu, penerapan algoritma Fuzzy C-Means menghasilkan tujuh cluster (K = 7) dengan nilai Silhouette Score sebesar 0,749, Davies–Bouldin Index sebesar 0,320, dan Calinski–Harabasz Index sebesar 5.338,80. Cluster yang terbentuk menggambarkan pengelompokan penerima pupuk subsidi berdasarkan perbedaan karakteristik luas lahan dan jumlah pupuk yang diterima. Kesimpulan dari penelitian ini menunjukkan bahwa kedua proses klasterisasi mampu mengelompokkan penerima pupuk subsidi tahun 2025 ke dalam beberapa kelompok dengan karakteristik kebutuhan pupuk yang berbeda. Hasil klasterisasi dapat dimanfaatkan sebagai informasi pendukung dalam perencanaan dan evaluasi distribusi pupuk subsidi agar lebih tepat sasaran.

Actions (login required)

View Item