Penerapan Algoritma K-Means untuk Clustering Pendapatan Petani Karetdi Desa Karya Mukti
DOI:
https://doi.org/10.65359/sintika.2026.22.96Keywords:
Clustering, K-Means, Pendapatan Petani Karet, Data MiningAbstract
Pendapatan petani karet di Desa Karya Mukti menunjukkan perbedaan yang cukup mencolok antarpetani yang dipengaruhi oleh luas lahan, jumlah produksi getah karet, serta biaya perawatan kebun. Perbedaan karakteristik tersebut menyebabkan tingkat pendapatan petani tidak seragam sehingga diperlukan pengelompokan untuk melihat pola pendapatan secara lebih jelas. Penelitian ini bertujuan untuk mengelompokkan tingkat pendapatan petani karet menggunakan pendekatan data mining dengan algoritma K-Means. Analisis dilakukan terhadap 95 data petani karet yang diperoleh melalui wawancara langsung. Variabel yang dianalisis meliputi luas lahan, jumlah produksi getah karet, dan pendapatan bersih petani. Hasil penelitian menunjukkan bahwa petani karet di Desa Karya Mukti terbagi ke dalam tiga klaster, yaitu klaster pendapatan rendah sebanyak 43 petani, klaster pendapatan sedang sebanyak 37 petani, dan klaster pendapatan tinggi sebanyak 15 petani. Evaluasi menggunakan Davies–Bouldin Index menghasilkan nilai sebesar 0,519 yang menunjukkan bahwa hasil pengelompokan memiliki kualitas yang cukup baik. Hasil penelitian menunjukkan adanya keterkaitan antara luas lahan, tingkat produksi, dan pendapatan bersih petani karet. Penelitian ini diharapkan dapat menjadi dasar analitis bagi pemerintah desa dan pihak terkait dalam menyusun kebijakan yang lebih tepat sasaran untuk meningkatkan kesejahteraan petani karet.
Downloads
References
Alkhairi, P., & Windarto, A. P. (2019). Penerapan K-Means cluster pada daerah potensi pertanian karet produktif di Sumatera Utara. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 762–767. https://seminar-id.com/semnas-sainteks2019.html
Buulolo, E. (2020). Data mining. CV Budi Utama.
Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan algoritma K-Means untuk clustering data obat-obatan. Jurnal Nasional Teknologi dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-24
Haryadi, D. (2021). Penerapan algoritma K-Means clustering pada produksi perkebunan kelapa sawit menurut provinsi. Journal of Informatics and Communication Technology, 3(1), 50–64. https://doi.org/10.52661/j_ict.v3i1.71
Ikatan Akuntansi Indonesia. (2000). Standar akuntansi keuangan. Salemba Empat.
Jain, A. K. (2010). Data clustering: 50 years beyond K-Means. Pattern Recognition Letters, 31(8), 651–666. https://doi.org/10.1016/j.patrec.2009.09.011
Nopriandi, H., & Haswan, F. (2022). Analisis Klasterisasi Mahasiswa Baru dalam Memilih Program Studi dengan Menggunakan Algoritma K-Means. J. Inf. Syst. Res, 3(4), 666-671.
Novitasari, N., Nuris, N. D., & Herdiana, R. (2023). Penerapan algoritma K-Means untuk clustering data jumlah penduduk miskin berdasarkan kota/kabupaten di Jawa Barat menggunakan RapidMiner. Jurnal Informatika Terpadu, 9(1), 68–73. https://doi.org/10.54914/jit.v9i1.660
Prasetyo, L. A., Himawan, I., & Sihombing, R. A. (2024). Pengelompokan persediaan obat dengan metode K-Means clustering pada Klinik Bhakti Asih. Jurnal Rekayasa Sistem Informasi dan Teknologi, 2(2), 759–768. https://doi.org/10.70248/jrsit.v2i2.1445
Rosiana, R., Prihartono, W., & Fathurrohman, F. (2025). Implementasi algoritma K-Means untuk pengelompokan kecamatan berdasarkan produktivitas tanaman padi di Kabupaten Cirebon. Jurnal Informatika Terpadu, 11(1), 12–19. https://doi.org/10.54914/jit.v11i1.1555
Sani, G., et al. (2019). Penerapan data transformation pada database sistem informasi. 1–5.
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan algoritma K-Means untuk clustering data kemiskinan Provinsi Banten menggunakan RapidMiner. CESS (Journal of Computer Engineering System and Science), 5(2), 192–198. https://doi.org/10.24114/cess.v5i2.18519
Septianto, M. A., Faqih, A., & Rinaldi, A. R. (2025). Klasterisasi data produksi pertanian di Kabupaten Cirebon dengan algoritma K-Means. Jurnal Informatika dan Teknik Elektro Terapan, 13(2). https://doi.org/10.23960/jitet.v13i2.6174
Siahaan, Y. P., Harianto, H., & Pambudy, R. (2025). Faktor-faktor yang memengaruhi pendapatan usahatani karet di Kecamatan Lubai. Forum Agribisnis, 15(1), 90–102. https://doi.org/10.29244/fagb.15.1.90-102
Sugiyono. (2020). Metodologi penelitian kuantitatif, kualitatif dan R&D. Alfabeta.
Syahbani, I. I., Manumono, D., & Dewi, C. W. (2023). Analisis pendapatan dan produktivitas petani karet di Desa Srigunung Kecamatan Sungai Lilin Kabupaten Musi Banyuasin Provinsi Sumatera Selatan. Agroforetech, 1(1), 330–339.
Tan, P.-N., Steinbach, M., & Kumar, V. (2019). Introduction to data mining (2nd ed.). Pearson.
Tri Cahaya, D., Puspita, D., & Syahri, R. (2024). Penerapan metode K-Means clustering untuk pengelompokan potensi padi di Kota Pagar Alam. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2187–2193. https://doi.org/10.36040/jati.v8i2.9432
Tribun Sumsel. (2025). Harga karet di Kabupaten Ogan Komering Ulu September 2025. https://sumsel.tribunnews.com/
Vulandari, R. T. (2017). Data mining: Teori dan aplikasi RapidMiner. Gava Media.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Hasna Nur Afifah, Jum Dapiokta, Anggraeni Agustin Muris, Pujianto (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright & Licensing Policy
Copyright
The copyright of all articles published in JURNAL SINTIKA (Journal of Information Systems, Informatics Engineering, and Computer Systems) remains with the respective author(s). Authors retain full copyright ownership of their work while granting JURNAL SINTIKA the right of first publication.
Upon publication, authors agree that their articles will be distributed under the Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) License.
Under this license, users are free to:
- Share – Copy and redistribute the material in any medium or format.
- Adapt – Remix, transform, and build upon the material for any purpose, including commercial use.
These permissions are granted provided that the following conditions are met:
- Attribution (BY) – Appropriate credit must be given to the original author(s), a link to the license must be provided, and any changes made to the work must be clearly indicated.
- ShareAlike (SA) – If the material is modified, adapted, or remixed, the resulting work must be distributed under the same CC BY-SA 4.0 license.
Licensing Policy
By submitting a manuscript to JURNAL SINTIKA, authors agree that, if accepted for publication, their article will be published under the Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) License.
Authors retain the right to:
- Archive and distribute the published version of their article through institutional repositories, personal websites, academic social networks, or other non-commercial and commercial platforms, provided that the original publication in JURNAL SINTIKA is properly acknowledged.
- Reuse their work in future books, dissertations, conference proceedings, or other scholarly publications, with appropriate citation to the original publication.
JURNAL SINTIKA supports the principles of Open Access and encourages authors to deposit their manuscripts in institutional or subject repositories before submission (preprint), during the review process (where permitted), and after publication, in order to enhance the visibility, accessibility, dissemination, and academic impact of their research.
For complete license information, please visit the Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) website:
https://creativecommons.org/licenses/by-sa/4.0/
