Analisis Klasifikasi Produksi Tempe Menggunakan Metode K-Means Aplikasi Rapidminer
Keywords:
Data Mining, UMKM, K-Means Clustering, RapidMiner, Produksi Tempe, Efisiensi ProduksiAbstract
Usaha mikro, kecil, dan menengah (UMKM) yang bergerak dalam produksi tempe seringkali menghadapi kendala dalam mengelola efisiensi produksi karena minimnya penggunaan teknologi informasi dan data analitik. Penelitian ini bertujuan untuk mengelompokkan data produksi tempe menggunakan metode K-Means Clustering yang diimplementasikan melalui aplikasi RapidMiner. Data yang dianalisis mencakup jumlah bahan baku, hasil produksi, dan efisiensi produksi yang telah dinormalisasi. Hasil klasifikasi menghasilkan tiga klaster utama: efisiensi tinggi, sedang, dan rendah. Klaster ini kemudian dianalisis untuk memberikan rekomendasi strategi peningkatan produktivitas. Dengan pendekatan ini, UMKM dapat memahami pola produksi secara lebih objektif dan mengambil keputusan berbasis data, sehingga mampu meningkatkan efisiensi operasional dan daya saing. Penelitian ini juga menunjukkan bahwa metode K-Means efektif digunakan dalam segmentasi data produksi tradisional dan dapat mendorong digitalisasi proses bisnis pada sektor UMKM pangan.
References
Rahman, A., & Susanti, D. (2023). Analisis klasifikasi data produksi tempe menggunakan algoritma K-Means. Jurnal Teknologi Pertanian, 12(1), 33-40.
Arifin, M., & Setiawan, B. (2021). Penerapan K-Means Clustering dalam klasifikasi data produksi makanan tradisional. Jurnal Data Mining Indonesia, 9(2), 25-31.
RapidMiner Documentation. (2024). Clustering with K-Means. Retrieved from https://docs. rapidminer.com/latest/studio/operators/modeling/clustering/k_means.html
Kurniawan, D. (2020). Optimalisasi proses produksi tempe menggunakan data mining. Jurnal Inovasi Teknologi Pangan, 5(3), 78-85.
Putri, L. M., & Ramadhan, M. (2022). Perbandingan algoritma K-Means dan DBSCAN dalam klasifikasi data produksi tempe. Jurnal Ilmu Komputer dan Data Sains, 10(1), 12-20.
Nurhasanah, I., & Setyaningsih, D. (2023). Analisis data produksi tempe menggunakan RapidMiner: Studi kasus pada UMKM tempe. Jurnal Teknologi Informasi, 11(2), 50-58.
Sari, R. D., & Widodo, H. (2024). Penerapan K-Means Clustering untuk segmentasi data produksi tempe. Jurnal Teknologi dan Industri Pangan, 15(1), 90-99.
Puspita, R., & Wijaya, A. (2022). Pemanfaatan RapidMiner dalam analisis data produksi makanan tradisional. Jurnal Sistem Informasi dan Komputerisasi, 8(2), 45-52.
Susilo, H., & Priyanto, E. (2021). Klasifikasi data produksi tempe berbasis K-Means. Jurnal Ilmu Komputer dan Aplikasi, 13(4), 200-207.
Prasetyo, H. (2023). Implementasi K-Means untuk optimalisasi produksi UMKM tempe. Jurnal Ekonomi dan Bisnis Digital, 7(1), 18-25.
Nuraini, S. (2024). Analisis produksi tempe menggunakan data mining berbasis RapidMiner. Jurnal Pengolahan Pangan Tradisional, 3(2), 55-63.
Handayani, L., & Pramudya, A. (2020). Segmentasi produksi tempe menggunakan algoritma K-Means. Jurnal Teknologi Pangan Nusantara, 6(1), 22-30.
Prabowo, A., & Lestari, M. (2022). Aplikasi K-Means dalam klasifikasi produksi tempe di industri rumah tangga. Jurnal Sains Terapan, 5(3), 40-47.
Munawar, S., & Hidayat, S. (2023). Pemanfaatan RapidMiner untuk analisis data produksi tempe berbasis K-Means. Jurnal Teknologi dan Sistem Informasi, 9(1), 66-73.
Fauzi, F., & Nurul, I. (2021). Studi kasus: Klasifikasi produksi tempe menggunakan metode K-Means pada UMKM. Jurnal Data Sains Indonesia, 4(2), 15-21.
