PENGELOMPOKAN WILAYAH BERDASARKAN PRODUKTIVITAS PADI MENGGUNAKAN METODE K-MEANS (Studi Kasus: Data Pertanian Padi Kabupaten Bone Tahun 2015)
Abstract
Mayoritas warga indonesia menjadikan nasi sebagai makanan pokok. Setiap taahunnya diperlukan pasokan beras dengan jumlah yang besar. Indonesia sebgai negara agraris mampu melakukan itu, provinsi penghasil padi terbesar keempat di Indonesia sekaligus sebagai provinsi penghasil padi terbesar pertama di luar pulau jawa yaitu Sulawesi Selatan. Di provinsi Sulawesi Selatan terdapat suatu kabupaten dengan luas sawah paling besar yaitu Kabupaten Bone sekaligus menjadi kabupaten dengan produksi padi paling besar di Sulawesi Selatan. Sebesar 17,07% luas sawah di Sulawesi Selatan ada di daerah Kabupaten Bone. Dengan luas sawah dan produksi yang besar ternyata tidak menjadikan Kabupaten Bone memiliki produktivitas yang baik, hanya sebesar 47,49 Kw/Ha. Angka tersebut jauh di bawah angka produktivitas Sulawesi Selatan yaitu sebesar 52,41 Kw/Ha. Oleh karena itu peneliti mengelompokkan wilayah di Kabupaten Bone berdasarkan produktivitas padi. Wilayah di Kabupaten Bone tidak merata dalam hal produktivitas padi sehingga perlu dilakukan perbaikan pada beberapa bagian. Dalam melakukan upaya perbaikan, diperlukan pengelompokan wilayah berdasarkan indikator yang mempengaruhi produktivitas padi agar memudahkan pemerintah dalam melakukan upaya perbaikan dan tepat pada sasaran. Metode yang digunakan adalah pengelompokan metode K-means. K-Means mudah dioperasikan dan dapat memartisikan suatu kumpulan data dalam kelompok-kelompok kecil sehingga data lebih memberikan informasi dan masing-masing kelompok menonjolkan kepusatannya. Data yang digunakan berasal dari publikasi Badan Pusat Statistik (BPS) Kabupaten Bone yang berjudul Kabupaten Bone Dalam Angka Tahun 2016. Berdasarkan grafik WCSS dan validasi jumlah cluster ditentekuan jumlah cluster sebanyak 3 dengan Kecamatan Kahu, Libureng, Dua Boccoe di cluster 3, Kecamatan Mare, Sibulue, Barebbo, Lappariaja, Bengo, Awangpone, Tellu Siattinge, Ajangale di cluster 2 dan 16 kecamatan lainnya di cluster 1.
Collections
- Statistics [899]