Implemebtasi Metode K-Means Clustering Untuk Pengelompokan Lahan Sawit Produktif Pada PT. Andalan Alam Sumatra

ABSTRAK
Penelitian ini berjudul implementasi metode k-meanss clustering untuk pengelompokan lahan sawit produktif pada PT Andalan Alam Sumatra. Tujuan dilakukan penelitian ini untuk dapat mengetahui lahan sawit mana yang dapat menghasilkan buah kelapa sawit lebih banyak. Metode penelitian yang digunakan adalah metode penelitian kuantitatif. Hasil penelitian ini menggunakan teknik pengumpulan data adapun data yang digunakan yaitu, observasi, wawancara, dan study literatul. Tools yang digunakan RapidMiner Studio. Analisis data dilakukan dengan teknik knowledge discovery database (KDD). KDD memiliki 5 tahapan yaitu: Data Selection , di tahap ini informasi tentang data panen dikumpulkan sebelum proses KDD dimulai. Atribut dipilih dan beberapa data dikonversi untuk mempermudah proses penambangan data. Data yang tidak lengkap atau berubah-ubah disaring agar hanya data dengan atribut lengkap yang digunakan. Data cleaning, Langkah pertama setelah seleksi data adalah membersihkan data. Ini termasuk menghapus duplikat, menangani nilai yang hilang (dalam hal ini, mengganti nilai kosong dengan 0 untuk bulan November), dan menghapus baris yang tidak lengkap. Data Transformation, data yang dipilih kemudian diubah ke format yang sesuai untuk kebutuhan analisis. Misalnya data luas blok (Ha) dikonversi menjadi rata-rata produksi perbulan setiap blok (A, B, C, dst). Data Mining, ini adalah tahapan penemuan pengetahuan utama, dimana teknik data mining diterapkan untuk mengidentifikasi pola dan tren dari data set besar. Dalam konteks ini, fokusnya adalah pada hubungan antara luas blok tanah, jumlah pohon, dan hasil produksi bulanan kelapa sawit. Evaluation, pada tahap ini, model yang telah dibuat dievaluasi. Dalam kasus ini algoritma clustering (khususnya K-means) digunakan untuk membentuk cluster berdasarkan data produksi kelapa sawit. Hasilnya, menunjukan cluster-cluster yang berbeda berdasarkan karakteristik produksi tahunan dari setiap blok. Berdasarkan hasil pengujian tersebut dapat disimpulkan bahwa dari pengelompokan lahan sawit degan k-means mengidentifikasi produktivitas, tinggi (cluster 3), sedang (cluster 2), rendah (cluster 1) untuk pemeliharaan efektif.
Kata Kunci : K-Means Clustering, Produktivitas Sawit, RapidMiner, Data Mining ABSTRACK