Clustering Data Eskspor Buah-Buahan Berdasarkan Negera Tujuan Menggunakan Algoritma K-Means

Haviz Atma Negara; Achmad Rizaldi Putra; Ultach Enri

doi:10.51211/biict.v8i1.1506

Haviz Atma Negara Teknik Informatika; Universitas Singaperbangsa Karawang
Achmad Rizaldi Putra Teknik Informatika; Universitas Singaperbangsa Karawang
Ultach Enri Teknik Informatika; Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.51211/biict.v8i1.1506

Abstract

Abstrak: Ekspor merupakan kegiatan ekonomi dalam memasarkan dan jual barang, baik industry, pangan, serta kebutuhan lainnya kepada negara lainnya yang memiliki kurs atau nilai mata uang asing yang lebih besar, tujuannya ialah untuk mencari keuntungan yang sebesar-besarnya. Penelitian ini bertujuan untuk menerapkan data mining dengan metode k-means clustering data ekspor buah-buahan menurut negara tujuannya yang merupakan salah satu komoditas pangan. Penelitian ini menggunakan data pada tahun 2012 sampai 2019 yang diambil melalui situs https://www.bps.go.id. Data diolah dengan mengklasterkan data ekspor kedalam 3 kelompok yaitu tinggi, sedang dan rendah. Didapatkan hasil Centroid data untuk cluster tingkat ekspor tinggi sebesar 2054519.3, centroid data untuk cluster tingkat ekspor sedang sebesar 489020.3, centroid data untuk cluster tingkat ekspor rendah sebesar 20.2. Sehingga diperoleh hasil cluster negara tujuan ekspor yaitu 2 negara cluster tingkat ekspor tinggi yakni negara Tiongkok & Malaysia, 2 negara cluster tingkat ekspor rendah yakni Vietnam & Thailand, dan 6 negara cluster tingkat ekspor rendah yakni Hongkong, Singapura, Nigeria, India, Jepang, Uni Emirat Arab. Informasi pengklasteran data ekspor buah-buahan ini dapat menjadi saran serta masukan bagi pemerintah maupun perusahaan-perusahaan swasta maupun negeri dalam menentukan strategi ekspor buah-buahan dimasa depan.

Kata kunci: buah-buahan, data mining, ekspor, k-means, rapid miner.

Abstract: Export is an economic activity in marketing and selling goods, both industrial, food, and other needs to other countries that have a higher exchange rate or foreign currency value, the aim is to seek the maximum profit. This study discusses the application of data mining using the k-means clustering method on fruit export data based on destination countries. This study uses export data from one of Indonesia's food commodities, namely fruits based on the main destination countries in 2012 to 2019 which was taken through the https://www.bps.go.id site. The data is processed by clustering the export data into 3 groups, namely high, medium and low. The data centroid for the high export level cluster is 2054519.3, the data centroid for the medium export level cluster is 489020.3, the data centroid for the low export level cluster is 20.2. So that an assessment is obtained based on the fruit export index with 2 cluster countries with high export levels, namely China & Malaysia, 2 cluster countries with low export levels, namely Vietnam & Thailand, and 6 cluster countries with low export levels, namely Hong Kong, Singapore, Nigeria, India, Japan, United Arab Emirates. This information on clustering fruit export data can be a suggestion and input for the government and private and state companies in determining fruit export strategies in the future.

Keywords: fruits, data mining, exports, k-means, rapid miner.

References

[1] A. M. Siregar dan A. Puspabhuana, Data Mining: Pengolahan Data Menjadi Informasi dengan RapidMiner, CV Kekata Group, 2017.
[2] Anjelita, M., Windarto, A. P., Wanto, A., & Saifullah, S. (2019, August). Analisis Metode K-Means pada Kasus Ekspor Barang Perhiasan dan Barang Berharga Berdasarkan Negara Tujuan. In Seminar Nasional Sains dan Teknologi Informasi (SENSASI), vol. 2, no. 1.
[3] Hajar, S., Novany, A. A., Windarto, A. P., Wanto, A., & Irawan, E. (2020, February). Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan. In Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), vol. 1, no. 1, pp. 314-318.
[4] Windarto, A. P. (2017). Penerapan Datamining Pada Ekspor Buah-Buahan Menurut Negara Tujuan Menggunakan KMeans Clustering Method. Techno. Com, vol. 16, no. 4, pp. 348-357.
[5] Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data an Introduction to Data Mining. New Jersey: John Wilet & Sons, Inc.
[6] Kamila, I., Khairunnisa, U., & Mustakim. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119-125.
[7] Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques Third Edition. Waltham: Elsevier.
[8] Siyamto, Y. (2017). Pemanfaatan Data Mining Dengan Metode Clustering Untuk Evaluasi Biaya Dokumen Ekspor di PT Winstar Batam. Jurnal Media Informatika Budidarma, vol. 1, no. 2.
[9] Richel, Y. (2020). Penerapan Data Mining Menggunakan Metode K-Means Clustering Pada Data Ekspor Minyak Pala (Doctoral dissertation, Universitas Andalas).
[10] Lubis, R. H. (2018). Analisis Kinerja Ekspor-Impor Buah-Buahan Indonesia Pada Perdagangan Internasional. Al-Masharif: Jurnal Ilmu Ekonomi dan Keislaman, vol. 6, no. 1, pp. 103-116.