PEMBANGUNAN MODEL PREDIKSI HASIL PANEN PADI BERBASIS DATA CUACA DI KABUPATEN SUMEDANG MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

Hakim, Jejen Rahman (2025) PEMBANGUNAN MODEL PREDIKSI HASIL PANEN PADI BERBASIS DATA CUACA DI KABUPATEN SUMEDANG MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (236kB)
	Text Lembar pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (443kB)
	Text Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (384kB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (291kB)
	Text Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text Daftar Pustaka.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (155kB)
	Text Surat Keterangan Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (134kB)
	Text Pendahuluan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (243kB)

Abstract

Pertanian merupakan sektor vital dalam perekonomian Indonesia, khususnya komoditas padi sebagai makanan pokok utama masyarakat. Namun, hasil panen padi sangat dipengaruhi oleh kondisi cuaca yang berubah-ubah, sehingga diperlukan sebuah sistem yang dapat memprediksi potensi panen secara lebih akurat dan sistematis. Penelitian ini bertujuan untuk melakukan pembangunan model prediksi hasil panen padi berbasis data cuaca di Kabupaten Sumedang menggunakan algoritma K-Means Clustering. Data yang digunakan meliputi data hasil panen dan data cuaca dari 26 kecamatan di Kabupaten Sumedang selama lima tahun terakhir. Data kemudian melalui tahap pembersihan dan normalisasi sebelum diproses menggunakan algoritma K-Means untuk mengelompokkan wilayah ke dalam beberapa klaster produktivitas. Hasil klasterisasi divisualisasikan secara spasial dalam bentuk peta interaktif berbasis web, lengkap dengan grafik pendukung yang menampilkan hasil prediksi panen per kecamatan. Pengujian sistem menggunakan metode black box yang menunjukkan hasil bahwa algoritma K-Means mampu mengelompokkan hasil panen tiap kecamatan ke dalam tiga klaster produktivitas, yaitu tinggi, sedang, dan rendah. Buktinya dapat dilihat dari peta digital interaktif dan grafik analisis yang mampu menampilkan informasi prediksi panen secara akurat serta memastikan seluruh fitur sistem berjalan tanpa error. Sistem ini diharapkan dapat menjadi alat bantu dalam pengambilan keputusan di sektor pertanian berbasis data cuaca dan spasial.

Actions (login required)

View Item