Implementasi Metode K-Medoids dalam Pengelompokan Data Produktivitas Tanaman Pangan Di Kabupaten Bangkalan (Studi Kasus : Dinas Pertanian Tanaman Pangan, Holikultura dan Perkebunan Kabupaten Bangkalan)

Produktivitas tanaman pangan merupakan aspek penting dalam sektor pertanian yang berpengaruh terhadap ketahanan pangan dan kesejahteraan masyarakat. Kabupaten Bangkalan, sebagai salah satu daerah pertanian di Pulau Madura, masih menghadapi tantangan dalam memantau dan meningkatkan produktivitas tanaman pangan secara optimal. Permasalahan utama yang dihadapi adalah kurangnya pemetaan yang akurat terhadap wilayah dengan tingkat produktivitas yang berbeda-beda, sehingga menghambat pengambilan keputusan strategis dalam pengelolaan pertanian. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Medoids dalam pengelompokan data produktivitas tanaman pangan di Kabupaten Bangkalan. Data yang digunakan mencakup luas tanam, luas panen, produksi, dan curah hujan dari tahun 2018 hingga 2022 dengan jumlah dataset sebanyak 5304. Selanjutnya data diproses melalui tahapan preprocessing yang mencakup data cleaning, transformasi, missing values, dan normalisasi. Metode Elbow digunakan untuk menentukan jumlah klaster optimal, sedangkan evaluasi kualitas klaster dilakukan menggunakan Davies-Bouldin Index (DBI). Untuk memvisualisasikan hasil clustering, dilakukan reduksi dimensi menggunakan Principal Component Analysis (PCA) untuk menampilkan penyebaran klaster dalam bentuk scatter plot. Hasil penelitian menunjukkan bahwa algoritma K-Medoids berhasil mengelompokkan kecamatan-kecamatan berdasarkan kesamaan karakteristik produktivitas tanaman pangan dengan nilai DBI yang optimal. Penelitian ini menghasilkan tiga klaster optimal dengan hasil evaluasi menggunakan DBI menunjukkan nilai paling rendah sebesar 0.29. Dengan adanya hasil klasterisasi ini, Dinas Pertanian Kabupaten Bangkalan dapat menggunakan informasi yang diperoleh untuk menyusun strategi peningkatan produktivitas tanaman pangan yang lebih efektif dan berbasis data.