Penetuan cluster terbaik pada pengelompokan ketahanan pangan menggunakan metode Self-Organizing Maps (SOM) dan metode Silhouette Coefficient (sc): Studi kasus Provinsi Jawa Timur

ABSTRAK:

Penelitian ini bertujuan untuk mendapatkan hasil cluster terbaik menggunakan metode Self-Organizing Maps (SOM) dan Silhouette Coefficient (SC) pada padi dalam menentukan ketahanan pangan di Provinsi Jawa Timur. Metode Self-Organizing Maps (SOM) digunakan dalam mengelompokkan wilayah yang memiliki ketahanan pangan yang tinggi, sedang, dan rendah dengan menggunakan data yang didapatkan dari website Badan Pusat Statistik pada padi. Padi merupakan salah satu faktor terpenting dalam penyokong ketahanan pangan di Indonesia. Metode tersebut dipilih karena dapat memberikan penggambaran atau visualisasi lebih efisien serta penafsiran yang lebih ringan dengan mengubah data-data berdimensi tinggi menjadi peta dua dimensi. Dalam proses mencari cluster diperlukannya langkah pembobotan pada setiap indikator mulai dari luas panen, tingkat produktifitas, jumlah produksi hingga tingkat konsumsi padi pada setiap wilayah. Hasil dari klasterisai tersebut akan diuji menggunakan metode Silhouette Coefficient (SC) untuk mengukur kualitas dan kekuatan cluster. Dalam beberapa percobaan yang dilakukan peneliti bahwa salah satu faktor learning rate yang dipilih pada perhitungan Self-Organizing Maps (SOM) mempengaruhi dalam menentukan hasil penentuan cluster terbaik menggunakan Silhouette Coefficient (SC) yaitu dengan menggunakan learning rate bernilai 0,9 dan melalui hasil uji coba yaang dilakukan bahwa mendapatkan hasil 8% wilayah data yang berada pada cluster yang anggotanya tergolong di antara dua cluster, sehingga semakin tinggi learning rate yang digunakan maka memperkecil data yang berada pada cluster yang tergolong di antara dua cluster.

ABSTRACT:

This study aims to obtain the best cluster results using the Self-Organizing Maps (SOM) and Silhouette Coefficient (SC) methods for rice in determining food security in East Java Province. The Self-Organizing Maps (SOM) method is used to classify areas that have high, medium and low food security using data obtained from the website of the Badan Pusat Statistik (BPS) on rice. Rice is one of the most important factors in supporting food security in Indonesia. This method was chosen because it can provide a more efficient depiction or visualization as well as a lighter interpretation by converting high-dimensional data into a two-dimensional map. In the process of finding clusters, a weighting step is needed for each indicator, starting from harvested area, productivity level, total production to the level of rice consumption in each region. The results of the clustering will be tested using the Silhouette Coefficient (SC) method to measure the quality and strength of the cluster. In several experiments conducted by researchers, one of the learning rate factors selected in the calculation of Self-Organizing Maps (SOM) influences the determination of the best cluster results using the Silhouette Coefficient (SC), namely by using a learning rate of 0.9 and through trial results What is done is to get the result that 8% of the data area is in a cluster whose members belong to one of the two clusters, so that the higher the learning rate used, the smaller the data that is in a cluster that belongs to one of the two clusters.

مستخلص البحث:

يهدف هذا البحث إلى الحصول على أفضل النتائج العنقودية باستخدام طرق خرائط التنظيم الذاتي (SOM) ومعامل الصورة الظلية (SC) للأرز في تحديد الأمن الغذائي في مقاطعة جاوة الشرقية. تُستخدم طريقة الخرائط ذاتية التنظيم (SOM) لتصنيف المناطق ذات الأمن الغذائي المرتفع والمتوسط والمنخفض باستخدام البيانات التي تم الحصول عليها من موقع Badan Pusat Statistik على الأرز. يعتبر الأرز أحد أهم العوامل في دعم الأمن الغذائي في إندونيسيا. تم اختيار هذه الطريقة لأنها يمكن أن توفر تصويرًا أو تصورًا أكثر كفاءة بالإضافة إلى تفسير أخف من خلال تحويل البيانات عالية الأبعاد إلى خريطة ثنائية الأبعاد. في العثور على العناقيد ، هناك حاجة إلى خطوة ترجيح لكل مؤشر بدءًا من المساحة المحصودة ، ومستوى الإنتاجية ، والإنتاج الكلي إلى مستوى استهلاك الأرز في كل منطقة. سيتم اختبار نتائج التجميع باستخدام طريقة معامل صورة ظلية (SC) لقياس جودة وقوة الكتلة. في العديد من التجارب التي أجراها الباحثون ، أثر أحد عوامل معدل التعلم المختارة في حساب خرائط التنظيم الذاتي (SOM) على تحديد أفضل نتائج المجموعة باستخدام معامل Silhouette (SC) ، أي باستخدام معدل تعلم يبلغ 0.9 و من خلال نتائج التجربة ما يتم فعله هو الحصول على نتيجة 8٪ من منطقة البيانات الموجودة في مجموعة غير واضحة ، بحيث كلما زاد معدل التعلم المستخدم ، كلما كانت البيانات الموجودة في المجموعة غير الواضحة أصغر.