Implementasi Algoritma K-Means Clustering untuk Mengelompokkan Wilayah Produksi Kopi di Jawa Barat
Abstract
Regional disparities in Arabica coffee output across West Java Province underscore the necessity of evidence-based analytical approaches to systematically map production distribution. This study applies K-means clustering to segment Arabica coffee-producing districts and cities based on their production volumes. The analytical pipeline encompasses data preprocessing, cluster modeling, performance evaluation, and result visualization. Three distinct production tiers emerged from the analysis: low, moderate, and high. A silhouette score of 0.883 confirmed excellent cluster cohesion and separation quality. The novelty of this research lies in its territory-level, data-driven segmentation approach paired with interpretable visualization to inform regional policy. The findings reveal pronounced inter-regional production disparities and offer an empirical foundation for crafting targeted, data-informed, and sustainable development strategies to improve the equity and competitiveness of Arabica coffee production at the regional level.
Keywords: K-Means clustering; Arabica coffee; Coffee production; Regional clustering; Data analysis
Abstrak
Kesenjangan tingkat produksi kopi Arabika antar daerah di Provinsi Jawa Barat mengindikasikan perlunya pendekatan analitis berbasis data untuk memetakan pola sebaran produksi secara sistematis. Penelitian ini menerapkan metode K-means clustering guna mengelompokkan daerah penghasil kopi Arabika berdasarkan volume produksinya. Rangkaian analisis mencakup pra-pemrosesan data, pemodelan cluster, evaluasi performa, dan visualisasi hasil. Tiga kelompok wilayah berhasil terbentuk, yakni kategori produksi rendah, menengah, dan tinggi. Nilai silhouette score sebesar 0,883 mengonfirmasi kualitas pengelompokan yang sangat baik dengan separasi antar cluster yang tegas. Kebaruan penelitian terletak pada penerapan segmentasi berbasis wilayah yang bersifat data-driven serta penyajian visual yang informatif sebagai fondasi pengambilan kebijakan. Temuan ini mengungkap adanya ketimpangan produksi yang nyata antar wilayah sekaligus menyediakan landasan empiris untuk merancang strategi pengembangan kopi Arabika yang lebih tepat sasaran, berbasis data, dan berkelanjutan ditingkat daerah.
Keywords
References
C. N. Maghfiroh, "Proyeksi Produktivitas Kopi Robusta dan Arabika 2024-2033 Berdasarkan Status Pengusahaan," Agrosaintifika: Jurnal Ilmu-Ilmu Pertanian, vol. 7, no. 1, pp. 7-16, 2024.
I. Andriyani and M. M. Ubaidillah, "Penilaian Indikasi Geografis Pegunungan Hyang Argopuro dan Kesesuaian Lahannya untuk Budidaya Kopi," agriTECH, vol. 42, no. 2, p. 131, Jul. 2022, doi: 10.22146/agritech.60195.
N. Oktaviani et al., "Perubahan Iklim Mikro dan Produksi Kopi Arabika (Coffea arabica L.) pada Daerah Aktivitas Geothermal PLTP Kamojang di Kabupaten Bandung," Jurnal Agrikultura, vol. 35, no. 3, pp. 400–412, 2024.
T. W. Rahmawati, S. I. Santoso, and S. Nurfadillah, "Analisis Trend Luas Lahan dan Produksi Kopi di Indonesia," Agromedia: Berkala Ilmiah Ilmu-Ilmu Pertanian, vol. 42, pp. 145–153, 2024.
A. Savira, N. N. Azizah, N. A. A. Anhar, R. S. Habsah, and V. A. Mumtazah, "Analisis Faktor-Faktor yang Mempengaruhi Kuantitas Kopi Indonesia Terhadap Ekspor ke Amerika Serikat Periode 2015-2021," Jurnal Economina, vol. 2, no. 1, pp. 1242–1253, 2023, doi: 10.55681/economina.v2i1.278.
F. A. Saputra and A. Iskandar, “Data Mining Penerapan Asosiasi Apriori Dalam Penentuan Pola Penjualan,” Journal of Computer System and Informatics (JoSYC), vol. 4, no. 4, pp. 778–788, Aug. 2023, doi: 10.47065/josyc.v4i4.4043.
D. Selvia and A. Ramadhanu, "Implementasi Metode K-Means Clustering dengan Teknik Pengolahan Citra untuk Mengidentifikasi Jenis Sepatu," Jurnal Informatika Teknologi dan Sains, vol. 7, no. 1, pp. 361–366, 2025.
L. M. Harahap, W. Fuadi, L. Rosnita, E. Darnila, and R. Meiyanti, "Klastering Sayuran Unggulan Menggunakan Algoritma K-Means," Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 3, pp. 567-579, Dec. 2022, doi: 10.28932/jutisi.v8i3.5277.
T. Santoso, A. Darmawan, N. Sari, M. A. F. Syadza, E. C. B. Himawan, and W. A. Rahman, "Clusterization of Agroforestry Farmers using K-Means Cluster Algorithm and Elbow Method," Jurnal Sylva Lestari, vol. 11, no. 1, pp. 107–122, Jan. 2023, doi: 10.23960/jsl.v11i1.646.
I. K. N. Putra, "Implementasi Metode K-Means Clustering Pada Ekspor Kopi Berdasarkan Negara Tujuan," Jurnal Ilmu Komputer dan Bisnis, vol. 14, no. 1, pp. 45–55, May 2023, doi: 10.47927/jikb.v14i1.332.
S. Wijayanto and M. Y. Fathoni, "Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means," JUPITER: Jurnal Penelitian Ilmu dan Teknologi Komputer, vol. 13, no. 2, pp. 212–219, 2021, doi: 10.5281/3918.jupiter.2021.10.
I. Febriani, M. Safii, and O. Alfina, "Implementasi Data Mining Peningkatan Produksi Beras Menggunakan Metode K-Means Clustering," Majalah Ilmiah METHODA, vol. 12, no. 3, pp. 258–268, Dec. 2022, doi: 10.46880/methoda.Vol12No3.pp258-268.
S. H. Riono, Rizdania, and H. M. Indahsari, "Analisis Clustering Produktivitas Padi Daerah-Daerah di Tiga Provinsi Besar Pulau Jawa Menggunakan Algoritma K-Means Berbasis Python," SMARTICS Journal, vol. 10, no. 2, pp. 39–48, Nov. 2024, doi: 10.21067/smartics.v10i2.11826.
S. S. Hilabi et al., "Pemanfaatan Data Analitik dalam Big Data: Studi Kasus Implementasi di Pemerintahan," Jurnal Teknik Informatika dan Sistem Informasi, Vol. 12, No. 1, pp. 378-390, 2025.
B. Huda et al., "Analisis Sentimen E-Learning X Terhadap Antarmuka Pengguna Menggunakan Kombinasi Multinomial Naive Bayes dan Pendekatan Design Thinking," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 11, No. 4, Agustus 2024, pp. 895-902, doi: 10.25126/jtiik.1147678.
B. O. Ndasak, P. Batarius, Y. C. H. Siki, "Klasterisasi Data Hasil Produksi Pertanian dan Peternakan Provinsi Nusa Tenggara Timur Menggunakan Metode K-Means," JIP: Jurnal Informatika Polinema., Volume 9, Edisi 4, pp. 415-426, Agustus 2023.
M. R. Syahkur, D. Hartama, and S. Solikhun, "Evaluasi Jumlah Cluster pada Algoritma K-Means++ Menggunakan Silhouette dan Elbow dengan Validasi Nilai DBI dalam Mengelompokkan Gizi Balita," JST (Jurnal Sains dan Teknologi), vol. 13, no. 3, pp. 487–496, Oct. 2024, doi: 10.23887/jstundiksha.v13i3.86419.
B. Susarianto, & T. Nizami, “Penentuan Penerima Bantuan Sosial Beras untuk Masyarakat Miskin Menggunakan Metode K-Means. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 12, no. 2, pp. 772-783, 2023.
How To Cite This :
Refbacks
- There are currently no refbacks.
