PENERAPAN METODE K-MEANS CLUSTERING DALAM PENGELOMPOKAN HASIL PRODUKSI PABRIK KELAPA SAWIT DI PERAWANG
DOI:
https://doi.org/10.30631/jemst.v9i1.188Keywords:
Production Yield, K-Means Clustering, Palm Oil MillAbstract
Pabrik Kelapa Sawit (PKS) menghasilkan data produksi yang terus bertambah dan memiliki karakteristik yang beragam, sehingga diperlukan suatu metode untuk mengelompokkan data berdasarkan tingkat kemiripannya. Penelitian ini bertujuan menerapkan metode K-Means Clustering untuk mengelompokkan data hasil produksi PT Perawang Agro Sejahtera periode 01 November 2025 sampai 24 Januari 2026 berdasarkan variabel Tandan Buah Segar (TBS), Crude Palm Oil (CPO), Kernel, dan Cangkang. Tahapan penelitian meliputi normalisasi data menggunakan metode Min-Max, penentuan jumlah cluster, penentuan centroid awal, perhitungan jarak menggunakan Euclidean Distance, serta proses iterasi hingga mencapai kondisi konvergen. Hasil penelitian menunjukkan bahwa proses clustering mencapai konvergen pada iterasi ke-7 dan menghasilkan tiga cluster, yaitu produksi tinggi sebanyak 46 data, produksi sedang sebanyak 1 data, dan produksi rendah sebanyak 27 data. Hasil pengelompokan ini dapat digunakan sebagai informasi pendukung dalam evaluasi, monitoring, dan pengambilan keputusan untuk meningkatkan efisiensi serta menjaga kestabilan produksi perusahaan.
References
Agustina Lili, Suhada, S. W. (2022). Pengelompokan Hasil Panen Kelapa Sawit Dalam Produksi Per Blok. 01(01), 45–54.
Anggriani, Y. P., & Arif, A. (2024). Implementasi Algoritma K-Means Clustering Dalam Menentukan Blok Tanaman Sawit Produktif Pada PT Arta Prigel. 8(1), 22–32.
Fabrica, A. (2025). Analisi Rendemen Minyak Dan Inti Kelapa Sawit Pada PKS Berkapasitas 30 Ton/Jam. 7(1), 2656–4831.
Hasibuan, H. A. (2023). Penentu Rendemen CPO Dan Kernel Pada Buah Sawit Petani Swadaya ( Studi Kasus di Jambi ). 28(1), 7–14.
Jumairi, N., & Purnama, B. (2025). Penerapan Data Mining Dalam Pengelompokan Saham Melalui Rasio Keuangan pada Saham Papan Utama Bursa Efek Indonesia Menggunakan Metode K-Means Clustering. 9(3), 4863–4869.
Muhammad Rafi Nahjan, Nono Heryana, A. V. (2023). Implementasi Rapidminer Ddengan Metode Clustering K-Means untuk Analisa Penjualan pada Toko OJ Cell. 7(1), 101–104. https://doi.org/https://www.semanticscholar.org/reader/909f42cd63a330a7f5b8aa8a56fa43a2faaaa0a6
Nasari, F., & Utama, U. P. (2021). Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K-Means Clustering. 4(2), 34–38.
Putri, D. A., Sari, F. M., & Wirdiastuti, C. (2025). Application of K-Means Clustering for Grouping Plantation Production in West Pasaman Regency in 2024. 3(2024), 482–487.
RahmaGusmanely., A. A. (2025). Analisis Pengelompokkan Kebun Kelapa Sawit PTPN IV Regional 4 Berdasarkan Produktivitas Tandan Buah Segar Menggunakan Metode K-Means. 7(3), 319–331.
Rahmawati. (2019). Pengelompokan Suhu Di Kota Pekanbaru Menggunakan Metode Fuzzy K-Means. November, 505–512.
Rahmawati, R., Fitri, T., Rahma, A. N., Marzuki, C. C., & Zukrianto, Z. (2023). Pengelompokkan Data Penerima Bantuan Program Keluarga Harapan (PKH) di Kecamatan Tuah Madani Pekanbaru Menggunakan Fuzzy C-Means. Jurnal Sains Matematika Dan Statistika, 9(1), 1. https://doi.org/10.24014/jsms.v9i1.19820
Rahmawati, Wartono, & Yunika Putri, A. (2019). Pengklasteran Tingkat Pendidikan Pegawai Menggunakan Metode Fuzzy Substractive Clustering (Studi Kasus :Badan Kepegawaian dan Pelatihan Daerah Provinsi Riau). Jurnal Sains Matematika Dan Statistika, 5(1), 79–89.
Ramadhani, I. (2023). Implementation Of K-Means Algorithm For Palm Oil Productivity Data Clustering Implementasi Algoritma K-Means Untuk Klustering Data Produktivitas Kelapa Sawit. 3(1), 56–64.
Riska, R. M. S. Y. (2023). Penerapan Algoritma K-Means untuk Klasterisasi Produksi Tanaman Perkebunan di Indonesia Application of the K-Means Algorithm for Clustering Plantation Crop Production in Indonesia. 13(2), 339–349.
.png)
