Author : Agus Januardi, Adviser: Mustakim, ST., M.Kom.

Abstract :

Provinsi Riau dapat memanfaatkan potensi kelapa sawit untuk mengatasi kelangkaan energi dimasa akan datang. Oleh sebab itu, perlu dilakukan pengelompokan kecamatan penghasil kelapa sawit yang berpotensi untuk dijadikan rekomendasi terhadap kebijakan pemerintah dalam menentukan pembangunan pusat pengembangan energi di Provinsi Riau. Algoritma K-Means digunakan untuk melakukan pengelompokan kecamatan tersebut dengan jumlah cluster sebanyak 6. Permasalah saat menggunakan K-Means adalah inisial centroid awal secara random yang memiliki nilai sensitifitas tinggi terhadap hasil cluster akhir. Penelitian ini menganalisa hasil cluster kombinasi Principal Component Analysis (PCA) untuk menentukan centroid awal K-Means, dengan K-Means centroid awal secara random mengunakan uji validasi Davis-Bouldin Index (DBI), Silhouette Index (SI) dan Dunn Index (DI). Hasil cluster kombinasi PCA k-means menghasilkan DBI (1,0017), SI (0,2960) dan DI (0,0437) lebih baik dibanding hasil cluster mengunakan PCA centroid awal random yaitu DBI (1,2641), SI (0,2345) dan DI (0,0396). Berdasarkan hasil cluster K-Means dengan centroid awal random wilayah Pinggir, Tambusai Utara, Pangkalan Kuras, Bagan Sinembah, Tapung, Mandau dan Pujud Sinembah pada cluster 6 sebagai wilayah potensial yang memiliki rata-rata tertinggi dari seluruh cluster sesuai dengan kriteria Jumlah Desa (17,71), Jumlah Penduduk (112.082), Luas Sektor Perkebunan (127.152), Hasil Produksi Perkebunan (212.538) dan Pabrik Kelapa Sawit (3,57).

Kata Kunci : Centroid, Clustering, K-Means, Kelapa Sawit, Principal Component Analysis

Conclusion :

Berdasarkan analisa dan pembahasan pada bab sebelumnya,
pengelompokan kecamatan penghasil kelapa sawit pada penelitian ini diperoleh
beberapa kesimpulan diantaranya adalah:

  1. Adanya kesesuaian algoritma PCA sebagai penentu centroid awal padaalgoritma k-means. Hal ini dibuktikan dengan uji validasi mengunakan DBI,SI dan DI memiliki hasil cluster lebih baik dibanding dengan hasil cluster k-means menggunakan centroid awal random.
  2. Pengelompokan menggunakan algoritma k-means dengan nilai centroid awal random dan jumlah pengelompokan sebanyak 6 cluster, menunjukan cluster 4 menjadi wilayah yang paling potensial penghasil kelapa sawit. Hal ini dibuktikan dengan cluster 4 memiliki hasil rata rata tertinggi dari seluruh cluster sesuai dengan kriteria JD (17,71), JP (112.082), LSP (127.152), HPP (212.538) dan PKS (3,57). Cluster 4 memiliki anggota 7 kecamatan yaitu Pinggir, Tambusai Utara, Pangkalan Kuras, Bagan Sinembah, Tapung,Mandau dan Pujud.
  3. Pengelompokan menggunakan kombinasi algoritma PCA k-means dan
    jumlah pengelompokan sebanyak 6 cluster, menunjukan bahwa cluster 2 merupakan waliyah paling potensial penghasil kelapa sawit. Hal ini dibuktikan dengan nilai rata-rata tertinggi pada setiap kriteria, kecuali kriteria HPP pada cluster 1. Berdasarkan hasil analisas pada bab sebelumnya, cluster 1 memiliki nilai kriteria HPP yang paling maksimal namun rendah pada kriteria lainnya. cluster 2 memiliki anggota 4 kecamatan yaitu Mandau, Tapung, Pujud dan Bagan Sinembah.
  4. Berdasarkan hasil analisa validasi cluster, menunjukan bahwa cluster menggunakan kombinasi algoritma PCA dan k-means lebih baik dibanding dengan algoritma k-means centroid random. Oleh sebab itu, pengelompkan dapat menggunakan hasil dari kombinasi PCA k-means
  5. Hasil pada pengelompokan menggunakan k-means dengan centroid awal random, terdapat kecamatan yang sama dengan hasil pengelompokan menggunakan PCA k-means. Dimana wilayah Tapung, Pujud, Mandau dan Bagan Sinembah dapat menjadi pilihan dalam menentukan kebijakan pembangunan energi terbarukan

sumber gambar