Pembobotan Fitur pada Hierarchical Clustering untuk Segmentasi Produksi Padi di Sumatera Utara

Abstract

Pengelompokan wilayah produksi padi di Provinsi Sumatera Utara merupakan langkah penting dalam mendukung perencanaan dan pengambilan kebijakan pertanian yang tepat sasaran karena mampu memberikan gambaran yang lebih jelas mengenai karakteristik dan potensi produksi di setiap daerah. Sehingga penelitian ini bertujuan untuk melakukan segmentasi wilayah produksi padi di Provinsi Sumatera Utara dengan menerapkan pembobotan fitur menggunakan metode Analytical Hierarchy Process (AHP) yang diintegrasikan ke dalam algoritma Hierarchical Clustering. Data yang digunakan diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara. Metode penelitian meliputi pengumpulan data, prapemrosesan data, penentuan bobot fitur menggunakan AHP, normalisasi dan pembobotan data, proses klasterisasi, serta evaluasi menggunakan Silhouette Index (SI) dan Davies–Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa pada fokus produksi padi diperoleh konfigurasi dua klaster dengan nilai SI 0,7182 , DBI 0,2266, dan CHI 39,2039 sedangkan pada fokus produktivitas padi diperoleh empat klaster dengan nilai SI 0,5480, DBI 0,5209, dan CHI 72,3464 yang mampu menggambarkan variasi tingkat efisiensi antar wilayah. Dengan demikian, hasil segmentasi wilayah yang diperoleh dapat memberikan gambaran pengelompokan wilayah produksi padi di Provinsi Sumatera Utara. The clustering of rice production regions in North Sumatra Province is an important step in supporting more targeted agricultural planning and policymaking, as it provides a clearer overview of the characteristics and production potential of each region. Therefore, this study aims to segment rice production regions in North Sumatra Province by applying feature weighting using the Analytical Hierarchy Process (AHP) integrated into the Hierarchical Clustering algorithm. The data used in this study were obtained from the Central Statistics Agency (BPS) of North Sumatra Province. The research methodology includes data collection, data preprocessing, feature weighting determination using AHP, data normalization and weighting, clustering processes, and evaluation using the Silhouette Index (SI) and Davies–Bouldin Index (DBI). The results show that, based on the rice production focus, a configuration of two clusters was obtained with an SI value of 0.7182 , a DBI value of 0.2266 and CHI value of 39,2039. Meanwhile, for the rice productivity focus, four clusters were obtained with an SI value of 0.5480 , a DBI value of 0.5209 and a CHI value of 72, 3464, which effectively describe variations in efficiency levels among regions. Thus, the resulting regional segmentation provides a clear overview of the grouping patterns of rice production areas in North Sumatra Province.