PENGELOMPOKKAN TINGKAT HARGA CABAI RAWIT BERDASARKAN PROVINSI DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING
Abstract
Sebagai salah satu pangan pokok masyarakat yang digunakan untuk bumbu masak, bahkan obat-obatan, harga komoditas cabai selalu berfluktuasi dan mengalami kenaikan harga yang signifikan. Hal ini dikarenakan karakteristik cabai yang bertumpu pada musim dan cuaca. Harga rata-rata secara nasional tercatat Rp.41.244,-/Kg. Tingginya permintaan kebutuhan akan cabai rawit dan kurangnya stok menjadi pemicu mahalnya harga cabai rawit di pasaran. Pada penelitian ini membahas tentang Pengelompokkan tingkat harga cabai rawit di tahun 2020-2021 berdasarkan provinsi di Indonesia menggunakan algoritma k-means clustering. Data komoditas cabai yang diperoleh dari situs resmi Pusat Informasi Harga Pangan Nasional Strategis (PIHPS) dibagi menjadi tiga cluster” yaitu wilayah dengan cluster harga cabai tinggi, cluster dengan harga sedang, dan rendah. Selain melakukan perhitungan secara manual, peneliti juga menggunakan tool RapidMiner dalam pemrosesan algoritma K-Means Clustering untuk dapat membandingkan hasil perhitungan. Hasil pengelompokkan diperoleh Cluster harga cabai tertinggi berada di 10 provinsi yaitu: Kepulauan Babel, DKI Jakarta, NTT, Kalbar, Kalteng, Kaltara, Maluku, Maluku Utara, Papua dan Papua Barat. Sementara cluster dengan tingkat harga cabai sedang terdiri dari 12 provinsi yaitu: Aceh, Sumbar, Riau, Kepulauan Riau, Sumsel, Banten, Jabar, Kalsel, Kaltim, Gorontalo, Sultenggara, dan Sulut. Terakhir, cluster dengan tingkat harga cabai rendah terdiri dari 12 provinsi yaitu: Sumut, Jambi, Bengkulu, Lampung, Jateng, DI Yogyakarta, Jatim, Bali, NTB, Sulsel, Sulteng, dan Sulbar. Hasil dari pengelompokkan harga cabai tersebut dapat dijadikan sebagai bahan evaluasi atau dasar pertimbangan pihak-pihak terkait membuat kebijakan dalam hal menjamin ketersediaan, mengurangi disparitas harga, dan menjaga kestabilan harga baik pada saat harga tinggi maupun pada saat harga jatuh.
Downloads
Copyright (c) 2021 VARIANCE: Journal of Statistics and Its Applications

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Team
Peer Review Process
Focus & Scope
Open Acces Policy
Privacy Statement
Author Guidelines
Publication Ethics
Publication Fees
Copyrigth Notice
Plagiarism Screening
Digital Archiving




