Pemetaan Daerah Potensi Komoditas Kakao Menggunakan Metode K - Means Clustering
Kode Repository :SKI07/YOG/23
NPM :065118216
Nama :Yogga Aditya Candra
Pembimbing 1 :-Asep Denih, S.Kom., M.Sc., Ph.D
Pembimbing 2 :-Irma Anggraeni, M.Kom
Abstrak :-Dipasar ekspor data yang didapat dari Badan Pusat Statistik (BPS) pada tahun
2020 dengan total nilai sebesar US$ 1,24 milyar atau setara dengan 377,85 ribu ton
biji kako diekspor ke 5 benua seperti Asia, Amerika, Eropa, Afrika, dan Australia
dengan pengimpor terbesar terdapat dibenua Asia yaitu Malaysia sebagai negara
dengan total impor sebesar 67,47 ribu ton biji kakao dengan nilai US$ 141,61 juta,
nilai ekspor yang besar tersebut menjadikan sektor pertanian dan perkebunan sebagai
komoditas dengan potensi pasar cukup tinggi (Badan Pusat Statistik, 2020).
Nyatanya dalam satu dekade terakhir ini produktivitas kakao indonesia terus
mengalami penurunan yang disebabkan mulai dari alih fungsi lahan, luas areal
berkurang, tanaman tidak produktif, terbatasnya penyuluhan dan pelatihan serta
kurangnya akses terhadap teknologi ini mengakibatkan tren yang negatif pada
komoditas kakao di Indonesia.
Pemerintah selaku stakeholder terkait melakukan berbagai kebijakan guna
meningkatkan kembali produktivitas kakao di Indonesia seperti melakukan
rehabilitasi, intensifikasi, ekstensifikasi, dan diversifikasi namun dari berbagai
kebijakan tersebut belum berhasil dengan baik untuk meningkatkan kembali
produktivitas kakao, yang ditunjukkan masih adanya penurunan pada produksi biji
kakao (Pusat Sosial Ekonomi dan Kebijakan Pertanian, 2019).
Pada penelitian ini memberikan sebuah ide atau gagasan untuk mengatasi
permasalahan tersebut dengan cara menganalisis data yang bersumber dari
kementrian pertanian mengenai komoditas kakao untuk mencari dan
mengelompokan daerah yang memiliki potensi kurang baik dan potensi baik agar di
berikan program atau penyuluhan yang tepat.
Pada penelitian menggunakan data non-spasial ( kualitatif ) yaitu luas areal
kakao, produktivitas, produksi, jumlah petani, areal perkebunan rakyat, areal
perkebunan pemerintah, areal perkebunan swasta, tanaman belum matang, tanaman
matang, dan tanaman rusak sedangkan untuk data spasial yaitu data batas desa,
kelurahan dan provinsi di Indonesia, data non-spasial ( kualitatif ) akan diolah
menggunakn metode K - Means Clustering yaitu algoritma untuk menemukan
kemiripan karakteristik ( similarity ) antara satu data dengan data yang lainnya.
Output dari algoritma K - Means Clustering akan menghasilkan 2 kelompok (
Cluster ) yaitu daerah dengan potensi kurang baik dan daerah dengan potensi baik,
dua kelompok atau cluster tersebut sudah melewati tahap evaluasi menggunakan
Elbow Method dimana metode ini mencari nilai K ( Cluster ) paling optimal dan
didapat 2 cluster paling optimal dengan nilai SSE ( Sum of Squared Error ) sebesar
7.2386055905251645, dari dua cluster tersebut menghasilkan nilai Davies Bouldin
Index (DBI) sebesar 0,577473 nilai DBI tersebut mengindikasikan bahwa data pada
setiap skema cluster memiliki tingkat kemiripan yang cukup baik.
Dan didapatkan hasil bahwa daerah atau provinis yang masuk kedalam potensi
kurang baik memiliki karakteristik seperti memiliki kriteria luas areal yang kecil
dengan komposisi tanaman matang yang lebih sedikit dari pada tanaman rusak atau
tanaman belum matang sehingga produksi yang dihasilkan juga rendah, sedangkan
untuk daerah dengan potensi baik memiliki karakteristik kebalikan dari daerah
dengan potensi kurang baik.
Kata Kunci : Pemetaan, Komoditas Kakao, K – Means Clusterin