PERBANDINGAN CLUSTERING UNTUK PRODUKTIVITAS TANAMAN PADI DI PULAU MADURA MENGGUNAKAN METODE K-MEANS, K-MEDOIDS, DAN FUZZY C-MEANS

Produksi padi merupakan indikator utama dalam ketahanan pangan di Indonesia. Ketidakstabilan produksi padi dari tahun ke tahun dapat berdampak pada ketergantungan terhadap impor dan menurunnya ketahanan pangan nasional. Pulau Madura, dengan empat kabupatennya yaitu Bangkalan, Sampang, Pamekasan, dan Sumenep, merupakan salah satu wilayah penghasil padi yang memiliki fluktuasi produksi cukup signifikan. Oleh karena itu, dibutuhkan suatu metode untuk mengelompokkan daerah berdasarkan produktivitas padi guna mendukung pengambilan kebijakan yang lebih tepat sasaran. Penelitian ini mengusulkan perbandingan metode clustering untuk menganalisis produktivitas padi di Pulau Madura. Pada penelitian’ ini akan mengusulkan tiga metode clustering, yaitu K-Means, K-Medoids, dan Fuzzy C-Means. Dataset yang digunakan’ terdiri dari 417 data produksi padi dari tahun 2018 hingga 2023, dengan empat parameter utama yaitu luas tanam, luas panen, produktivitas, dan produksi. Proses penelitian meliputi tahapan preprocessing data, normalisasi menggunakan Min-Max, dan penerapan metode clustering. Evaluasi hasil clustering dilakukan dengan Davies Bouldin Index (DBI), dan dibandingkan dari segi waktu eksekusi dan jumlah iterasi. Dari hasil penelitian diperoleh algoritma K-Means memberikan performa terbaik pada jumlah cluster optimal k=2 dengan nilai DBI sebesar 0.7057. Sementara itu, metode Fuzzy C-Means menghasilkan nilai DBI sebesar 0.7198, sedangkan K-Medoids memperoleh nilai DBI sebesar 0.7735. Dengan nilai evaluasi yang lebih baik dan waktu eksekusi yang lebih efisien, K-Means menjadi metode paling optimal dalam mengelompokkan wilayah produktivitas padi di Pulau Madura.