PENGELOMPOKAN DESA BERDASARKAN HASIL PANEN MENGGUNAKAN PERBANDINGAN METODE K-MEANS DAN K-MEDOIDS (Studi Kasus : Kabupaten Sumenep)

Pengelompokkan desa berdasarkan produktivitas pertanian krusial untuk pengelolaan sektor pertanian. Studi ini membandingkan metode clustering, K-Means dan K-Medoids, menggunakan data sembilan variabel termasuk luas tanaman, varietas, umur tanaman, organisme, pupuk, luas terserang, intensitas, luas waspada, dan hasil panen. Tantangan utama adalah jumlah desa yang besar, mempersulit pengelompokan manual oleh Dinas Pertanian. K-Means dan K-Medoids diaplikasikan untuk mengatasi kompleksitas tersebut. Data diolah melalui Label encoding, Imputasi Data, dan Normalisasi Data dengan Min-Max. Eksperimen dilakukan dengan evaluasi SSE, dan hasilnya menunjukkan K-15 terbaik untuk K-Means dan K-14 terbaik untuk K-Medoids, dengan nilai SSE terendah masing-masing 24.0026 dan 35.3600. Rekomendasi Dinas Pertanian Sumenep adalah menggunakan 3 cluster dengan detail C1 produktivitas hasil panen tinggi, C2 produktivitas hasil panen sedang, dan C3 produktivitas hasil panen rendah. K-Means dipilih karena SSE lebih rendah, 62.5151, dibandingkan K-Medoids, 82.2660. Analisis cluster pada K-3 menunjukkan K-Means lebih optimal, dengan presentase hasil panen sesuai kategorinya. Keputusan akhir mengakomodasi permintaan pihak berwenang, memilih K-Means dengan 3 kluster sebagai solusi untuk analisis data hasil panen Sumenep. Penelitian ini berkontribusi dalam pengelompokan desa berdasarkan produktivitas pertanian, mendukung sektor pertanian dalam pengambilan keputusan yang efektif.