Hasil pencarian

ThesisOpen AccessMetadata saja

PENGELOMPOKAN PRODUKTIVITAS TANAMAN PADI DI KALIMANTAN UTARA MENGGUNAKAN METODE CLUSTERING K-MEANS

ANDIN ABDUL NAJIB

2025•

Penelitian ini di latar belakangi oleh keinginan untuk menjawab permasalahan: (1) Berapa klaster potensi padi yang dapat dibentuk berdasarkan variabel luas panen, produksi, dan produktivitas padi tahun 2021-2023 di Provinsi Kalimantan Utara; (2) Berapa klaster tinggi, sedang, dan rendah berdasarkan variabel luas panen, produksi, dan produktivitas padi di Provinsi Kalimantan Utara. Oleh karena itu Provinsi Kalimantan Utara perlu mengelompokkan kabupaten/kota penghasil padi menggunakan metode clustering untuk mengetahui daerah dengan potensi produksi padi. Clustering yang digunakan adalah dengan menggunakan algoritma k-means. Clustering k-means mengelompokkan kabupaten/kota berdasarkan kesamaan dalam tiga variabel utama yaitu luas panen, produksi, dan produktivitas. Hasil yang didapatkan dari metode ini yaitu 3 Cluster antara lain C1, C2 dan C3. Penelitian ini mengelompokkan kabupaten/kota berdasarkan luas panen, produksi, dan produktivitas padi. Cluster 1 (Malinau dan Tarakan), peningkatan kapasitas menjadi prioritas kedua untuk cluster ini, yang berada pada kategori cluster sedang. Memiliki produktivitas yang mendekati rata-rata dengan nilai z-score sebesar -0,10209. Namun, luas panen dan produksi rendah, dengan nilai z-score masing-masing -0,55757 dan -0,56876. Jarak euclidean untuk wilayah Malinau dan Tarakan, yaitu 0,65416. Cluster 2 (Bulungan dan Nunukan), upaya menjaga keberlanjutan menjadi prioritas ketiga untuk cluster ini, yang berada pada kategori cluster tinggi. Menunjukkan kinerja yang tinggi di semua variabel, dengan nilai z-score sebagai berikut: 1,01700 untuk luas panen, 1,02876 untuk produksi, dan 0,87317 untuk produktivitas. Jarak euclidean untuk wilayah Bulungan dan Nunukan, yaitu 0,19420. Cluster 3 (Tana Tidung), perbaikan produktivitas secara signifikan menjadi prioritas utama untuk cluster ini, yang berada pada kategori cluster rendah. Memiliki kinerja yang rendah di semua variabel, dengan nilai z-score sebagai berikut: -0,91887 untuk luas panen, -0,92000 untuk produksi, dan -1,54216 untuk produktivitas. Jarak euclidean untuk wilayah Tana Tidung, yaitu 0.

PadiK-MeansClusteringProduktivitasKalimantan Utara

1 dilihat · 0 unduhanSitasiDetail

ThesisOpen AccessMetadata saja

Sistem Grading Udang Vaname (Litopenaeus Vannamei) dengan Metode K-Means Clustering dan Morfologi Berbasis Computer Vision dan Analisis Regresi (CVAR).

SUMARDI

2022•

Penelitian ini membahas mengenai permasalahan dari kelemahan metode grading udang konvensional yang tidak seragam dalam menduga mutu udang karena tingkat persepsi manusia yang berbeda-beda. Solusi yang ditawarkan adalah menggunakan teknologi CVAR (computer vision dan analisis regresi) dalam menentukan size udang berdasarkan citra yang ditangkap kamera. Tujuan dari penelitian ini adalah untuk menerapkan kombinasi metode K-Means Clustering dan morfologi dalam menentukan size dan kategori ukuran udang vaname, berdasarkan perbandingan area dalam piksel hasil olah citra dengan teknologi computer vision terhadap massa dalam gram, menggunakan persamaan regresi kuadratik terkecil. Penelitian ini merupakan penelitian kuantitatif yang berfokus untuk mengetahui keterkaitan dari variabel dependen yang berupa massa terhadap variabel independen yang berupa area. Data yang digunakan dalam penelitian ini adalah data primer dari hasil observasi dan pengukuran di lokasi penelitian. Teknik pengambilan sampel yang digunakan adalah probability disproportionate stratified random sampling dikarenakan output dari sampel adalah klaster udang berdasarkan strata yang telah ditentukan. Hasil dari penelitian ini menunjukkan kebaruan kombinasi metode yang diterapkan mampu menyegmentasi citra dengan sangat baik dengan nilai RMSE 0.68 yang jauh lebih kecil dibandingkan thresholding yang sebesar 2.89 dan k-means clustering sebesar 0.73. Hubungan variabel sangat kuat yang dinyatakan dengan korelasi sebesar 0.992. Akurasi sistem dalam melakukan pengukuran massa sebesar 93.64% dan pengukuran size sebesar 93.37%, sedangkan akurasi sistem dalam klasterisasi ukuran udang sebesar 95.45%.

CVARGrading Udang VanameK-Means ClusteringMorfologi

0 dilihat · 0 unduhanSitasiDetail