Pengelompokan Harga Cabai Rawit Berdasarkan Provinsi Menggunakan Principal Component Analysis dan K-Means

Muhammad Afrizal Kesuma; Cellia Auzia  Nugraha; Oktari Indi  Cahyani; Masna Wati; Haviluddin Haviluddin

Authors

Muhammad Afrizal Kesuma Universitas Mulawarman
Cellia Auzia Nugraha Universitas Mulawarman
Oktari Indi Cahyani Universitas Mulawarman
Masna Wati Universitas Mulawarman
Haviluddin Universitas Mulawarman, Samarinda

Keywords:

Cabai Rawit, PCA, K-Means, Pengelompokan, Silhoutte Coefficient

Abstract

Cabai rawit (Capsicum frutescens L.) merupakan komoditas penting di Indonesia dengan permintaan yang tinggi. Namun, harga cabai rawit sering mengalami fluktuasi yang signifikan akibat ketergantungan pada musim, cuaca, serta kendala distribusi. Penelitian ini bertujuan untuk mengelompokkan harga cabai rawit berdasarkan provinsi di Indonesia menggunakan algoritma Principal Component Analysis (PCA) dan K-Means. Data yang digunakan berupa harga cabai rawit dari 34 provinsi di Indonesia pada periode Januari 2018 hingga Desember 2024. Analisis pengelompokan dilakukan dengan 3 variasi jumlah klaster, yaitu 2, 3, dan 4 klaster. Pengujian akurasi klaster menggunakan metode Silhouette Coefficient menunjukkan bahwa jumlah klaster paling optimal adalah 4 dengan nilai sebesar 0,511. Hasil penelitian ini menunjukkan bahwa pengelompokan harga cabai rawit dengan metode PCA dan K-Means dapat membantu dalam memahami pola harga di berbagai provinsi. Selain itu, hasil pengelompokan ini diharapkan dapat menjadi dasar bagi perencanaan distribusi dan pengendalian harga yang lebih efektif.

Downloads

Download data is not yet available.

Author Biographies

Cellia Auzia Nugraha, Universitas Mulawarman

Program Studi Informatika

Oktari Indi Cahyani, Universitas Mulawarman

Program Studi Informatika

Masna Wati, Universitas Mulawarman

Program Studi Informatika

References

A. A. Cahya and R. H. Br Bangun, “Karakteristik Petani dan Kelayakan Usahatani Cabai Besar (Capsiccum Annum L) dan Cabai Rawit (Capsiccum Frutescens L) di Sumatera Utara,” Agricore J. Agribisnis dan Sos. Ekon. Pertan. Unpad, vol. 5, no. 1, pp. 49–58, 2020, doi: 10.24198/agricore.v5i1.27139.

C. F. Palembang and S. P. Palembang, “Pengelompokan Tingkat Harga Cabai Rawit Berdasarkan Provinsi Di Indonesia Menggunakan Algoritma K-Means Clustering (per Juli 2020-Juli 2021),” Var. J. Stat. Its Appl., vol. 3, no. 2, pp. 48–60, 2021, doi: 10.30598/variancevol3iss2page48-60.

I. A. Rosyada and D. T. Utari, “Penerapan Principal Component Analysis untuk Reduksi Variabel pada Algoritma K-Means Clustering,” Jambura J. Probab. Stat., vol. 5, no. 1, pp. 6–13, 2024, doi: 10.37905/jjps.v5i1.18733.

N. S. Putri and M. N. Hayati, “Pengelompokan Kabupaten/Kota di Kalimantan Berdasarkan

Indikator Pendidikan Menggunakan Metode K-Means dengan Optimasi Principal Component Analysis Grouping Regencies/Cities in Kalimantan Based on Educational Indicators Used K-Means Method with Principal ,” vol. 15, no. November, pp. 128–138, 2024, doi: 10.30872/eksponensial.v15i2.1373.

A. Novita, Ii. Ernawati, and N. Chamidah, “Klasterisasi Provinsi Di Indonesia Berdasarkan Produktivitas Komoditas Pangan Menggunakan Algoritma K-Means,” Semin. Nas. Mhs. Ilmu Komput. dan Apl., pp. 462–471, 2022.

K. I. Hafsari, M. T. Al Hijrah, T. K. Wijayanti, and R. Kurniawan, “Implementasi Algoritma K-Means pada Pengelompokkan Ketahanan Pangan di Indonesia Menurut Kabupaten / Kota,” vol. 2024, no. Senada, pp. 52–63, 2024.

S. Rahmi, P. Sirait, and E. S. Panjaitan, “Optimasi Klasifikasi Bayesian Network Melalui Reduksi Attribute Menggunakan Metode Principal Component Analysis,” J. Media Inform. Budidarma, vol. 4, no. 4, pp. 955–962, 2020, doi: 10.30865/mib.v4i4.2370.

A. Bengnga and R. Ishak, “Implementasi Seleksi Fitur Klasifikasi Waktu Kelulusan Mahasiswa Menggunakan Correlation Matrix with Heatmap,” Jambura J. Electr. Electron. Eng., vol. 4, no. 2, pp. 169–174, 2022, doi: 10.37905/jjeee.v4i2.14403.

P. Putu, N. Ardhaneswari, I. W. C. Suwitra, and J. J. I. S. Siwirabuda, “Analisis Korelasi Pearson Dalam Menentukan Hubungan Harga Dengan Volume Penjualan Wardah Matte Lip Cream Pada Platform E-Commerce Shopee,” vol. 02, no. 02, pp. 151–156, 2024.

E. R. ARINI, “K-Means dan K-Medoids Clustering Pada Kasus Tindak Pidana Khusus,” J. Sci. Nusant., vol. 4, no. 2, pp. 79–87, 2024, doi: 10.28926/jsnu.v4i2.1519.

N. Januari, S. H. Abdullah, Z. Fatah, T. Informasi, F. Sains, and U. Ibrahimy, “Analisis Produksi Cabai Rawit Indonesia Menggunakan Algoritma K- Means Clustering,” vol. 3, no. 1, pp. 66–74, 2025.

A. Hoerunnisa, G. Dwilestari, F. Dikananda, H. Sunana, and D. Pratama, “Komparasi Algoritma K-Means Dan K-Medoids Dalam Analisis Pengelompokan Daerah Rawan Kriminalitas Di Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 103–110, 2024, doi: 10.36040/jati.v8i1.8249.

R. Fikri, A. Mushardiyanto, M. N. Laudza’Banin, K. Maureen, and H. Patria, “Pengelompokan Kabupaten/Kota di Indonesia Berdasarkan Informasi Kemiskinan Tahun 2020 Menggunakan Metode K-Means Clustering Analysis,” Semin. Nas. Tek. dan Manaj. Ind., vol. 1, no. 1, pp. 190–199, 2021, doi: 10.28932/sentekmi2021.v1i1.76.