Analisis Klaster Produksi Cabai Menggunakan K-Means dan DBSCAN Berdasarkan Evaluasi Silhouette dan DBI

Muhammad Ridwanansyah Rahman, Jovan Bagas Pangestu, Masna Wati, Joan Angelina Widians

Abstract


Cabai rawit (Capsicum frutescens) dan cabai keriting (Capsicum annuum) merupakan komoditas hortikultura strategis di Indonesia yang rentan terhadap fluktuasi harga akibat ketimpangan distribusi produksi antar provinsi. Penelitian ini bertujuan mengelompokkan 37 provinsi di Indonesia berdasarkan variabel produksi (kuintal) dan luas panen (hektare) kedua jenis cabai menggunakan algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Data bersumber dari dua dataset Badan Pusat Statistik (BPS) tahun 2025 yang diintegrasikan menjadi satu dataset terpadu. Pra-pemrosesan meliputi integrasi data, penghapusan data tidak lengkap (Papua Selatan), dan normalisasi menggunakan Z-Score Standardization. Penentuan jumlah klaster optimal K-Means dilakukan melalui Elbow Method dan divalidasi dengan Silhouette Score serta Davies-Bouldin Index (DBI), menghasilkan k=3 sebagai konfigurasi terbaik (Silhouette=0,802; DBI=0,387). Parameter DBSCAN ditetapkan melalui analisis grafik k-distance dan trial and error (ε=1,6; MinPts=3), menghasilkan tiga klaster dengan Jawa Timur teridentifikasi sebagai noise (Silhouette=0,811; DBI=0,573). K-Means unggul dalam separabilitas klaster (DBI lebih rendah), sedangkan DBSCAN unggul dalam kekompakan internal (Silhouette lebih tinggi). Tiga profil klaster K-Means terbentuk: Klaster Rendah (30 provinsi), Klaster Sedang (6 provinsi), dan Klaster Tinggi (1 provinsi: Jawa Timur). Hasil penelitian diharapkan menjadi acuan perumusan kebijakan pangan berbasis data di Indonesia.

Keywords


Cabai Rawit; Cabai Keriting; Clustering; K-Means; DBSCAN

Full Text:

PDF

References


A. D. Lestari, E. Erlikasna, C. Ridho, I. Breta, and M. Daniyal, “Dampak Fluktuasi Harga Beras , Bawang Merah , Cabai Terhadap Inflasi Impact of Price Fluctuations of Rice , Shallots , Chilies on Inflation,” J. Sos. Ekon. Pertan., vol. 20, no. 2, pp. 219–226, 2024, doi: 10.20956/jsep.v20i2.35057.

I. Marina, D. Sukmawati, E. Juliana, and N. Safa, “Dinamika Pasar Komoditas Pangan Strategis : Analisis Fluktuasi Harga Dan Produksi,” J. Ilm. Pertan., vol. 12, no. 1, pp. 160–168, 2024, doi: 10.35138/paspalum.v12i1.700.

P. S. Agribisnis and U. J. Soedirman, “Mimbar Agribisnis : Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis Pengaruh Fluktuasi Harga Cabai Rawit Merah Terhadap Inflasi di Kabupaten Banyumas The Effect of Fluctuations in Red Cayenne Pepper Prices on Inflation in Banyumas Regency Tri Sep,” J. Pemikir. Masy. Ilm. Berwawasan Agribisnis, vol. 10, no. 2, pp. 1866–1877, 2024, doi: 10.25157/ma.v10i2.13684.

P. D. Kusuma, Machine Learning Teori, Program, dan Studi Kasus. 2020. [Online]. Available: https://openlibrary.telkomuniversity.ac.id/pustaka/160514/machine-learning-teori-program-dan-studi-kasus.html

Mawardi and P. D. Saputri, “Pemetaan Kabupaten/Kota Di Provinsi Jawa Timur Berdasarkan Luas Panen, Produksi, Dan Produktivitas Beras,” J. Viabel Pertan., vol. 20, no. 2, pp. 13–23, 2025, doi: 10.35457/9ycfk177.

A. Novita, M. S. Iin Ernawati, and M. K. Nurul Chamidah, “Klasterisasi Provinsi Di Indonesia Berdasarkan Produktivitas Komoditas Pangan Menggunakan Algoritma K-Means,” vol. 3, no. 2, pp. 462–471, 2022, [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2194

M. Putri, C. Dewi, E. P. Siam, G. A. Wijayanti, N. Aulia, and R. Nooraeni, “Comparison of DBSCAN and K-Means Clustering for Grouping the Village Status in Central Java 2020,” J. Mat. Stat. dan Komputasi, vol. 17, no. 3, pp. 394–404, 2021, doi: 10.20956/j.v17i3.11704.

N. Nafiiyah, D. T. A. Erlianto, and R. Wardhani, “Perbandingan metode clustering,” J. Teknol. dan Sist. Inf. Univrab, vol. 11, no. 1, pp. 469–475, 2026, doi: 10.36341/rabit.v11i1.6980.

S. N. Sofyan and Z. Sitorus, “Implementasi Data Mining Untuk Clustering Produktivitas Bawang Merah Menggunakan Metode K-Means,” J. Multimed. Dan Teknol. Inf., vol. 7, no. 2, pp. 109–121, 2025, doi: 10.54209/jatilima.v7i02.1442.

M. N. Sutoyo and I. Slamet, Buku Ajar Data Mining. 2024. [Online]. Available: https://www.researchgate.net/publication/377415198_BUKU_AJAR_DATA_MINING

S. Mutiah, Y. Hasnataeni, A. Fitrianto, and L. M. R. D. Jumansyah, “Perbandingan Metode Klastering K-Means dan DBSCAN dalam Identifikasi Kelompok Rumah Tangga Berdasarkan Fasilitas Sosial Ekonomi di Jawa Barat,” Teorema Teor. dan Ris. Mat., vol. 9, no. 2, pp. 247–260, 2024, doi: 10.25157/teorema.v9i2.16290.

D. Chicco, A. Campagner, A. Spagnolo, D. Ciucci, and G. Jurman, “The Silhouette coef fi cient and the Davies-Bouldin index are more informative than Dunn index , Calinski-Harabasz index , Shannon entropy , and Gap statistic for unsupervised clustering internal evaluation of two convex clusters,” 2025, doi: 10.7717/peerj-cs.3309.

N. T. Astuti, Sunardi, and A. Fadlil, “Optimalisasi Pemetaan Klaster Kependudukan Provinsi Di Indonesia Menggunakan Elbow Method Dan Davies-,” JIP (Jurnal Inform. Polinema), vol. 12, no. 2, pp. 295–304, 2026, doi: 10.33795/jip.v12i2.9162.

K. P. Sinaga and M. Yang, “Unsupervised K-Means Clustering Algorithm,” vol. 8, 2020, doi: 10.1109/ACCESS.2020.2988796.

M. T. et al Rani Rotul Muhima, S.Si., Kupas Tuntas Algoritma Clustering: Konsep, Perhitungan Manual,Dan Program. 2022. [Online]. Available: https://books.google.co.id/books?id=H55rEAAAQBAJ&hl=id&source=gbs_navlinks_s

B. A. H. Driyandita, I. P. E. N. Kencana, and I. G. N. L. Wijayakusuma, “Analisis Pemilihan Parameter pada Algoritma DBSCAN untuk Pengelompokan Titik Api di Indonesia,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 3, pp. 793–803, 2025, doi: 10.52436/1.jpti.703.

A. A. BUSHRA and G. YI, “Comparative Analysis Review of Pioneering DBSCAN and Successive Density-Based Clustering Algorithms,” IEEE Access, vol. 9, pp. 87918–87935, 2021, doi: 10.1109/ACCESS.2021.3089036.

A. Jain, K. Rathi, and Y. Ganguly, “A Comparative Analysis of DBSCAN, K-Means and Agglomerative Clustering Algorithms for Geospatial Data,” Atl. Press, pp. 212–221, 2025, doi: 10.2991/978-94-6463-716-8_18.




DOI: http://dx.doi.org/10.30872/jurti.v10i1.26864

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Jurnal Rekayasa Teknologi Informasi (JURTI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [08195075640]

 Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

StatCounter - Free Web Tracker and Counter