Deteksi Klaster Penyebaran Penyakit Tanaman Pangan di Indonesia Menggunakan Metode Dbscan (Studi Kasus : Organisme Pengganggu Tanaman Pangan di Indonesia pada Tahun 2023 dan 2024)

Abstract

Pertanian memiliki pengertian yaitu suatu kegiatan yang dilakukan oleh manusia untuk melakukan aksi menanam dan mengolah tanaman untuk keperluan pertanian, peternakan, perikanan serta kehutanan. Penelitian ini membahas deteksi klaster penyebaran Organisme Pengganggu Tanaman pada komoditas tanaman pangan utama di Indonesia, yaitu padi, jagung, dan kedelai di tahun 2023 dan 2024. Metode yang diterapkan adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN) untuk mengidentifikasi pola penyebaran data spasial serta mendeteksi outlier. Data yang digunakan bersumber dari Kementerian Pertanian dengan variabel luas serangan OPT dan lahan puso di setiap provinsi. Analisis dilakukan untuk mengetahui gambaran umum serangan OPT, perbandingan hasil klaster antar tahun, serta hasil klaster yang diperoleh. Tujuan penelitian untuk mengelompokkan wilayah di Indonesia memberikan informasi kepada Kementerian Pertanian pola penyebaran OPT di wilayah tersebut dan dapat menggunakan hasil penelitian ini sebagai dasar untuk menyusun dan merancang kebijakan pengendalian OPT yang lebih efektif dan efisien. Penelitian ini didapatkan hasil klaster periode 2023 dan 2024 di mana pada tahun 2023 menggunakan DBSCAN di parameter Epsilon = 4.038 dan MinPts = 2 yang membentuk 2 klaster dan menghasilkan noise = 2 serta menghasilkan nilai Silhouette Coefficient yaitu 0.656483 dan DBI yaitu 0.6322422. Sedangkan pada tahun 2024 menggunakan DBSCAN di parameter Epsilon = 1.789 dan MinPts = 3 membentuk 2 klaster dengan noise = 5 serta menghasilkan nilai Silhouette Coefficient yaitu 0.499939 dan DBI yaitu 0.783112. Informasi ini diharapkan dapat mendukung upaya strategis dalam pengendalian hama dan penyakit tanaman pangan sehingga dapat meningkatkan ketahanan pangan nasional.