Analisis Algoritma K-Medoids untuk Pengelompokan Hasil Panen Sawit Berdasarkan Berat dan Kualitas (Studi Kasus CV. RAM Bintang Motor)

Abstract

Kelapa sawit merupakan salah satu komoditas utama tanaman perkebunan Indonesia sebagai penghasil devisa Negara. Jenis tanaman sawit ini menduduki posisi terpenting disektor pertanian, karena kelapa sawit mampu menghasilkan nilai ekonomi yang besar tiap hektarnya jika dibandingkan dengan tanaman penghasil minyak lainnya. Ditemukan beberapa keluhan dari pengusaha sawit karena tidak mengetahui seberapa banyak sawit yang diterima dari kalangan masyarakat yang memiliki kualitas yang bagus dan kurang bagus. Maka dari itu perlu untuk mengelompokkan pengiriman hasil sawit masyarakat berdasarkan berat dan kualitas guna mempertimbangkan tujuan pabrik pengiriman buah sawit. K-Medoids clustering merupakan suatu algortima yang digunakan untuk mengelompokkan hasil panen sawit karena algoritma ini dapat menemukan medoids di dalam sebuah kluster yang merupakan titik pusat dari suatu kelompok. Pengelompokan untuk klaster pertama (klaster rendah) ada 435 data sawit, sedangkan klaster kedua (klaster sedang) mendapatkan angka sebesar 444 data, dan yang ketiga(klaster tinggi) mendapatkan 121 dari total data. Sehingga dapat diketahui hasil panen sawit yang memiliki kelompok paling tinggi untuk kemudian disesuaikan dengan kriteria penerimaan dari berbagai pabrik kelapa sawit. Dengan metode K-medoids clustering dalam mengelompokkan hasil panen sawit, maka proses pengelompokan dapat diproses dengan cepat dan akan ditampilkan dalam laporan. Palm oil is one of Indonesia's main plantation crop commodities as a source of foreign exchange for the country. This type of oil palm plant occupies the most important position in the agricultural sector, because oil palm is able to produce large economic value per hectare when compared to other oil-producing plants. There were several complaints from palm oil entrepreneurs because they did not know how much palm oil they received from the community which had good and poor quality. Therefore, it is necessary to group the community's shipments of palm oil products based on weight and quality in order to consider the destination of the palm fruit shipping factory. K-Medoids clustering is an algorithm used to group palm oil harvests because this algorithm can find medoids in a cluster which is the central point of a group. The grouping for the first cluster (low cluster) has 435 palm oil data, while the second cluster (medium cluster) gets 444 data, and the third (high cluster) gets 121 of the total data. So you can find out which palm oil harvest has the highest group and then adjust it to the acceptance criteria of various palm oil mills. With the K-medoids clustering method for grouping palm oil harvests, the grouping process can be processed quickly and will be displayed in the report.