Pemetaan Kabupaten/Kota di Provinsi Jawa Timur berdasarkan Luas Panen, Produksi, dan Produktivitas Beras
DOI:
https://doi.org/10.35457/9ycfk177Keywords:
Luas Lahan, Produksi Beras, Produktivitas, K-Means ClusteringAbstract
Ketersediaan pangan yang cukup bagi seluruh masyarakat merupakan indikator dari tercapainya ketahanan pangan. Ketahanan pangan dapat dicapai melalui optimalisasi komoditas pangan utama seperti padi pada setiap wilayah kabupaten/kota. Provinsi dengan luas panen dan produksi padi tahun 2024 tertinggi di Indonesia adalah provinsi Jawa Timur. Pada penelitian ini, analisis pengelompokan Kabupaten/ Kota di provinsi Jawa Timur dilakukan menggunakan metode k-means clustering berdasarkan produksi beras, luas lahan, dan produktivitas. Banyaknya cluster optimum berdasarkan nilai sillhoutte adalah sebanyak 3 cluster dengan komposisi anggota masing-masing cluster bervariasi. Pada cluster 1 memuat 11 Kabupaten/Kota, cluster 2 memuat 20 Kabupaten/Kota, dan cluster 3 memuat 7 anggota. Cluster 1 memiliki karakteristik produksi dan luas lahan yang tinggi. Namun, secara produktivitas masih cenderung kurang optimal. Cluster 2 dan cluster 3 memiliki karakteristik luas lahan dan produksi rendah. Namun pada cluster 2 produktivitasnya masih rendah, sedangkan cluster 3 produktivitasnya paling tinggi. Optimalisasi produktivitas beras dapat dilakukan pada wilayah yang masih memiliki produktivitas rendah padahal daerah sekitarnya memiliki produktivitas tinggi, seperti pada Mojokerto dan Pasuruan.
Downloads
Download data is not yet available.
References
Andika, T. H., & Hafiz, A. (2018). Perbandingan Segmentasi Citra Menggunakan Algoritma K-Means Dan Algoritma Fuzzy C-Means. Seminar Nasional Teknologi Dan Bisnis, 237–246. http://journal.stmikjayakarta.ac.id/index.php/JMIJayakarta
Badan Pusat Statistik. (2024a). Hasil Survei Ekonomi Pertanian ( SEP ) 2024.
Badan Pusat Statistik. (2024b). Luas Panen, Produksi, dan Produktivitas Padi Menurut Provinsi 2024. Pertanian, Kehutanan, Perikanan. https://www.bps.go.id/id/statistics-table/2/MTQ5OCMy/luas-panen--produksi--dan-produktivitas-padi-menurut-provinsi.html
Badan Pusat Statistik Provinsi Jawa Timur. (2024a). Luas Panen Padi Menurut Kabupaten/Kota (Hektar), 2023. Pertanian, Kehutanan, Perikanan. https://jatim.bps.go.id/id/statistics-table/2/NTc4IzI=/luas-panen-padi-menurut-kabupaten-kota--hektar-.html
Badan Pusat Statistik Provinsi Jawa Timur. (2024b). Produksi Beras Menurut Kabupaten/Kota (Ton), 2023. Pertanian, Kehutanan, Perikanan. https://jatim.bps.go.id/id/statistics-table/2/NTgwIzI=/produksi-beras-menurut-kabupaten-kota--ton-.html
Bangun, R. H. B. (2016). Analisis Klaster Non Heirarki Dalam Pengelompokan Kabupaten/Kota di Sumatera Utara Berdasarkan Faktor Produksi Padi. Agrica (Jurnal Agribisnis Sumatera Utara), 4(1), 54–61.
Chusna, H. A., & Rumiati, A. T. (2020). Penerapan Metode K-Means dan Fuzzy C-Means untuk Pengelompokan Sekolah Menengah Pertama (SMP) di Indonesia Berdasarkan Standar Nasional Pendidikan (SNP). Jurnal Seni Dan Sains ITS, 9(2), 2337–3520.
Hair, J. F., Black, W. C., Babin, B. y J., & Anderson, R. E. (2019). Multivariate Data Analysis. Canada: Cengage Learning.
Hakim, I., Rafid, M., & Anggraini, F. (2022). Pemanfaatan Machine Learning dengan Algoritma X-Means untuk Pemetaan Luas Panen, Produktivitas, dan Produksi Padi. Building of Informatics, Technology and Science (BITS), 4(3), 1483–1494. https://doi.org/10.47065/bits.v4i3.2654
Khan, I. K., Daud, H., Zainuddin, N., & Sokkalingam, R. (2025). Standardizing reference data in gap statistic for selection optimal number of cluster in K-means algorithm. Alexandria Engineering Journal, 118(February 2024), 246–260. https://doi.org/10.1016/j.aej.2025.01.034
Lestari, S. P., Supandi, E. D., & Rahayu, P. P. (2018). Pengklasteran Kabupaten/Kota di Jawa Tengah berdasarkan Tenaga Kesehatan dengan Menggunakan Metode Ward dan K-Means. Jurnal Fourier, 7(2), 103–109. https://doi.org/10.14421/fourier.2018.72.103-109
Sadeghi, M., Casey, P., Carranza, E. J. M., & Lynch, E. P. (2024). Principal components analysis and K-means clustering of till geochemical data: Mapping and targeting of prospective areas for lithium exploration in Västernorrland Region, Sweden. Ore Geology Reviews, 167(December 2023), 106002. https://doi.org/10.1016/j.oregeorev.2024.106002
Saputri, P. D., Angrenani, A. B., Guminta, D. G., Leviany, F., Fitriana, I. N. L., Rahayu, S. P., & Khusna, H. (2021). Multivariate Analysis to Evaluate the Impact of COVID-19 on the Hotel Industry in Indonesia. Soft Computing in Data Science, 1489, 411–426.
Sugianto, C. A., Rahayu, A. H., & Gusman, A. (2020). Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah. Journal of Information Technology, 2(2), 39–44. https://doi.org/10.47292/joint.v2i2.30
Suprapto, E. (2022). Pengelompokkan Potensi Padi di Indonesia Menggunakan K-Means Cluster. Median, 5(2), 28–34. https://www.bpsjambi.id/Median/index.php/median/article/view/58
Supriyadi, A., Triayudi, A., & Sholihati, I. D. (2021). Perbandingan Algoritma K-Means Dengan K-Medoids Pada Pengelompokan Armada Kendaraan Truk Berdasarkan Produktivitas. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 6(2), 229–240. https://doi.org/10.29100/jipi.v6i2.2008
Terensan, S., Salgadoe, A. S. A., Kottearachchi, N. S., & Jagathpriya Weerasena, O. V. D. S. (2024). Proximally sensed RGB images and colour indices for distinguishing rice blast and brown spot diseases by k-means clustering: Towards a mobile application solution. Smart Agricultural Technology, 9(April), 100532. https://doi.org/10.1016/j.atech.2024.100532
Wijayanto, S., & Yoka Fathoni, M. (2021). Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means. Jupiter, 13(2), 212–219.
Wu, R. (2024). Behavioral analysis of electricity consumption characteristics for customer groups using the k-means algorithm. Systems and Soft Computing, 6(April), 200143. https://doi.org/10.1016/j.sasc.2024.200143
Zhang, W., Wu, L., & Zhang, S. (2024). Clinical phenotype of ARDS based on K-means cluster analysis: A study from the eICU database. Heliyon, 10(20), e39198. https://doi.org/10.1016/j.heliyon.2024.e39198
Badan Pusat Statistik. (2024a). Hasil Survei Ekonomi Pertanian ( SEP ) 2024.
Badan Pusat Statistik. (2024b). Luas Panen, Produksi, dan Produktivitas Padi Menurut Provinsi 2024. Pertanian, Kehutanan, Perikanan. https://www.bps.go.id/id/statistics-table/2/MTQ5OCMy/luas-panen--produksi--dan-produktivitas-padi-menurut-provinsi.html
Badan Pusat Statistik Provinsi Jawa Timur. (2024a). Luas Panen Padi Menurut Kabupaten/Kota (Hektar), 2023. Pertanian, Kehutanan, Perikanan. https://jatim.bps.go.id/id/statistics-table/2/NTc4IzI=/luas-panen-padi-menurut-kabupaten-kota--hektar-.html
Badan Pusat Statistik Provinsi Jawa Timur. (2024b). Produksi Beras Menurut Kabupaten/Kota (Ton), 2023. Pertanian, Kehutanan, Perikanan. https://jatim.bps.go.id/id/statistics-table/2/NTgwIzI=/produksi-beras-menurut-kabupaten-kota--ton-.html
Bangun, R. H. B. (2016). Analisis Klaster Non Heirarki Dalam Pengelompokan Kabupaten/Kota di Sumatera Utara Berdasarkan Faktor Produksi Padi. Agrica (Jurnal Agribisnis Sumatera Utara), 4(1), 54–61.
Chusna, H. A., & Rumiati, A. T. (2020). Penerapan Metode K-Means dan Fuzzy C-Means untuk Pengelompokan Sekolah Menengah Pertama (SMP) di Indonesia Berdasarkan Standar Nasional Pendidikan (SNP). Jurnal Seni Dan Sains ITS, 9(2), 2337–3520.
Hair, J. F., Black, W. C., Babin, B. y J., & Anderson, R. E. (2019). Multivariate Data Analysis. Canada: Cengage Learning.
Hakim, I., Rafid, M., & Anggraini, F. (2022). Pemanfaatan Machine Learning dengan Algoritma X-Means untuk Pemetaan Luas Panen, Produktivitas, dan Produksi Padi. Building of Informatics, Technology and Science (BITS), 4(3), 1483–1494. https://doi.org/10.47065/bits.v4i3.2654
Khan, I. K., Daud, H., Zainuddin, N., & Sokkalingam, R. (2025). Standardizing reference data in gap statistic for selection optimal number of cluster in K-means algorithm. Alexandria Engineering Journal, 118(February 2024), 246–260. https://doi.org/10.1016/j.aej.2025.01.034
Lestari, S. P., Supandi, E. D., & Rahayu, P. P. (2018). Pengklasteran Kabupaten/Kota di Jawa Tengah berdasarkan Tenaga Kesehatan dengan Menggunakan Metode Ward dan K-Means. Jurnal Fourier, 7(2), 103–109. https://doi.org/10.14421/fourier.2018.72.103-109
Sadeghi, M., Casey, P., Carranza, E. J. M., & Lynch, E. P. (2024). Principal components analysis and K-means clustering of till geochemical data: Mapping and targeting of prospective areas for lithium exploration in Västernorrland Region, Sweden. Ore Geology Reviews, 167(December 2023), 106002. https://doi.org/10.1016/j.oregeorev.2024.106002
Saputri, P. D., Angrenani, A. B., Guminta, D. G., Leviany, F., Fitriana, I. N. L., Rahayu, S. P., & Khusna, H. (2021). Multivariate Analysis to Evaluate the Impact of COVID-19 on the Hotel Industry in Indonesia. Soft Computing in Data Science, 1489, 411–426.
Sugianto, C. A., Rahayu, A. H., & Gusman, A. (2020). Algoritma K-Means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Cigugur Tengah. Journal of Information Technology, 2(2), 39–44. https://doi.org/10.47292/joint.v2i2.30
Suprapto, E. (2022). Pengelompokkan Potensi Padi di Indonesia Menggunakan K-Means Cluster. Median, 5(2), 28–34. https://www.bpsjambi.id/Median/index.php/median/article/view/58
Supriyadi, A., Triayudi, A., & Sholihati, I. D. (2021). Perbandingan Algoritma K-Means Dengan K-Medoids Pada Pengelompokan Armada Kendaraan Truk Berdasarkan Produktivitas. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 6(2), 229–240. https://doi.org/10.29100/jipi.v6i2.2008
Terensan, S., Salgadoe, A. S. A., Kottearachchi, N. S., & Jagathpriya Weerasena, O. V. D. S. (2024). Proximally sensed RGB images and colour indices for distinguishing rice blast and brown spot diseases by k-means clustering: Towards a mobile application solution. Smart Agricultural Technology, 9(April), 100532. https://doi.org/10.1016/j.atech.2024.100532
Wijayanto, S., & Yoka Fathoni, M. (2021). Pengelompokkan Produktivitas Tanaman Padi di Jawa Tengah Menggunakan Metode Clustering K-Means. Jupiter, 13(2), 212–219.
Wu, R. (2024). Behavioral analysis of electricity consumption characteristics for customer groups using the k-means algorithm. Systems and Soft Computing, 6(April), 200143. https://doi.org/10.1016/j.sasc.2024.200143
Zhang, W., Wu, L., & Zhang, S. (2024). Clinical phenotype of ARDS based on K-means cluster analysis: A study from the eICU database. Heliyon, 10(20), e39198. https://doi.org/10.1016/j.heliyon.2024.e39198
Downloads
Published
2025-11-27
Issue
Section
Articles
License
Copyright (c) 1970 VIABEL: Jurnal Ilmiah Ilmu-Ilmu Pertanian
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
How to Cite
Pemetaan Kabupaten/Kota di Provinsi Jawa Timur berdasarkan Luas Panen, Produksi, dan Produktivitas Beras. (2025). VIABEL: Jurnal Ilmiah Ilmu-Ilmu Pertanian, 20(2), 13-23. https://doi.org/10.35457/9ycfk177
.png)
