Penerapan K-Means Clustering untuk Klasifikasi Jenis Beras Berdasarkan Tren Harga di Pasar Induk Beras Cipinang (PIBC)

Muhamad Rizal Ubaidillah; Nugroho Adhi Santoso; Erni Ungguk Sedya Utami

doi:10.31004/riggs.v4i3.2594

Authors

Muhamad Rizal Ubaidillah STMIK YMI TEGAL
Nugroho Adhi Santoso STMIK YMI Tegal
Erni Ungguk Sedya Utami STMIK YMI Tegal

DOI:

https://doi.org/10.31004/riggs.v4i3.2594

Keywords:

Data Mining, Elbow Method, K-Means Clustering, Pasar Induk Beras Cipinang, Silhouette Score

Abstract

Harga beras yang fluktuatif di Pasar Induk Beras Cipinang (PIBC) memerlukan analisis berbasis data untuk memahami pola pergerakan harga dan mendukung kebijakan distribusi yang tepat. Penelitian ini bertujuan untuk mengelompokkan jenis-jenis beras berdasarkan kesamaan tren harga tahunan selama periode 2020–2024. Metode yang digunakan adalah algoritma K-Means Clustering dengan tahapan pra-pemrosesan data menggunakan Min-Max Scaling, penentuan jumlah klaster optimal melalui metode Elbow, dan evaluasi hasil menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa 14 jenis beras berhasil dikelompokkan ke dalam tiga klaster utama, yaitu klaster harga rendah (seperti IR-64 I, IR-64 II, dan Muncul III), klaster harga menengah (seperti Cianjur Kepala, Setra Ramos, dan Saigon), serta klaster harga tinggi (Ketan Hitam dan Ketan Putih Paris), dengan nilai Silhouette Score sebesar 0,507 yang menunjukkan kualitas pengelompokan cukup baik. Implikasi penelitian ini adalah metode data mining dapat digunakan untuk memetakan segmentasi pasar beras secara efektif, sehingga pihak terkait seperti pedagang, distributor, dan pembuat kebijakan dapat lebih mudah merumuskan strategi distribusi dan intervensi harga yang tepat sasaran.

Downloads

Download data is not yet available.

References

Fakulta and R. Juliansyah, “Pengaruh Pengadaan Beras dan Operasi Pasar Oleh Perum Bulog Terhadap Stabilitas Harga Beras di Provinsi Aceh,” Jurnal Ilmiah Ekonomi Terpadu (Jimetera), vol. 4, no. 1, pp. 38–44, 2024, doi: 10.35308/jimetera.v4i1.8825.

F. A. Adit Kurniawan, I. Ramadhani, and R. A. Fitrie, “Analisis Pengambilan Keputusan Kebijakan Impor Beras dalam Konteks Pemenuhan Pangan Nasional di Indonesia,” Indonesian Journal of Public Administration Review, vol. 1, no. 2, p. 15, May 2024, doi: 10.47134/par.v1i2.2394.

Serly. F. Nenoharan, D. R. Nendisa, and I. W. Nampa, “ANALISIS FLUKTUASI HARGA BERAS KUALITAS MEDIUM DAN PREMIUM DI PASAR TRADISIONAL KOTA KUPANG DAN MAUMERE. Studi Kasus: Pasar Inpres Naikoten 1 Kupang dan Pasar Alok Maumere,” Buletin Ilmiah IMPAS, vol. 22, no. 3, Nov. 2021, doi: 10.35508/impas.v22i3.5695.

D. Setiadi and Efan, “Analisis Prediksi Harga Beras Berbasis Kualitas Menggunakan Algoritma K-Nearest Neighbord,” Jurnal Ilmiah Informatika Global, vol. 15, no. 3, Dec. 2024, doi: 10.36982/jiig.v15i3.4810.

F. Matheos Sarimole and Hakim Lukmanul, “Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang,” Jurnal Sains dan Teknologi, vol. 5, no. 3, p. 2024, doi: 10.55338/saintek.v5i1.2709.

D. Abid, R. Wirya Adikusuma, A. Mufti, A. Fikri, D. Rinci, and K. Hapsari, “Penerapan Metode K-Means Clustering Untuk Analisa Penjualan Komoditas Toko Tani Indonesia,” Jurnal Riset Inovasi Bidang Informatika Dan Pendidikan Informatika (KERNEL), vol. 3, no. 2, 2022, doi: 10.31284/j.kernel.2022.v3i2.4076.

A. Novita and H. B. Seta, Pemetaan Pasar Tradisional Berdasarkan Harga Pangan Komoditas Menggunakan Algoritma K-Means. 2021.

N. Luh, P. P. Dewi, I. Nyoman Purnama, and N. W. Utami, “Penerapan Data Mining Untuk Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: STMIK Primakara),” Jurnal Ilmiah Teknologi Informasi Asia, vol. 16, no. 2, 2022, doi: 10.32815/jitika.v16i2.761.

M. Rafi Muttaqin, T. Iman Hermanto, and M. Agus Sunandar, “PENERAPAN K-MEANS CLUSTERING DAN CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM) UNTUK MENGELOMPOKAN PENJUALAN KUE,” vol. 19, no. 1, pp. 38–53, 2022, [Online]. Available: https://journal.unpak.ac.id/index.php/komputasi

A. Maulana Artiarno, P. Setiaji, and F. Nugraha, “K-Means Clustering untuk Segmentasi Pelanggan: Mengungkap Pola Pembelian Strategi Pemasaran pada Sektor Ritel,” Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 2, 2025, doi: 10.29408/edumatic.v9i2.30336.

P. Palinggik Allorerung, A. Erna, M. Bagussahrir, and S. Alam, “Analisis Performa Normalisasi Data untuk Klasifikasi K-Nearest Neighbor pada Dataset Penyakit,” Jurnal Informatika Sunan Kalijaga), vol. 9, no. 3, pp. 178–191, Sep. 2024, doi: 10.14421/jiska.2024.9.3.178-191.

N. A. Maori and E. Evanita, “Metode elbow dalam optimasi jumlah cluster pada k-means clustering,” Jurnal Simetris, vol. 14, no. 2, pp. 1–11, Nov. 2023.

F. P. Azizah, S. S. Hilabi, T. Tukino, and A. Hananto, “Perbandingan Algoritma K-Means dan Hierarchical Untuk Klasterisasi Data Kehadiran Karyawan,” Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 14, no. 1, 2025, doi: 10.35889/jutisi.v14i1.2644.

N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), vol. 3, no. 1, pp. 46–56, Mar. 2024, doi: 10.58602/jima-ilkom.v3i1.26.

T. Rahmawati, Y. Wilandari, and P. Kartikasari, “ANALISIS PERBANDINGAN SILHOUETTE COEFFICIENT DAN METODE ELBOW PADA PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN INDIKATOR IPM DENGAN K-MEDOIDS,” Jurnal Gaussian, vol. 13, no. 1, pp. 13–24, Aug. 2024, doi: 10.14710/j.gauss.13.1.13-24.