PERBANDINGAN ALGORITMA K-MEANS, DBSCAN, DAN SOM UNTUK PENGELOMPOKAN PASAR BERDASARKAN POLA HARGA KOMODITAS DI JAWA TIMUR - Dalam bentuk buku karya ilmiah

ANGEL BR TARIGAN

Informasi Umum

Kode

25.04.2809

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science

Dilihat

106 kali

Informasi Lainnya

Abstraksi

Pengendalian harga komoditas pangan strategis di pasar tradisional memerlukan pendekatan analitik yang tepat guna memahami pola pergerakan harga yang kompleks. Salah satu pendekatan yang dapat digunakan adalah klasterisasi, yang bertujuan mengelompokkan pasar berdasarkan kesamaan pola harga untuk mendukung kebijakan distribusi dan pengawasan yang lebih efektif. Penelitian ini bertujuan untuk membandingkan performa tiga metode klasterisasi, yaitu K-Means, DBSCAN, dan Self-Organizing Map (SOM), dalam mengelompokkan data harga komoditas pangan strategis di pasar tradisional Jawa Timur pada tahun 2023. Data yang digunakan diperoleh dari pengamatan harian terhadap sepuluh jenis komoditas pangan di lebih dari 100 pasar. Data tersebut kemudian distandarisasi sebelum dilakukan proses klasterisasi menggunakan ketiga metode dengan jumlah klaster yang diseragamkan sebanyak lima. Evaluasi dilakukan menggunakan dua metrik utama, yakni Silhouette Score untuk mengukur validitas internal klaster dan Davies-Bouldin Index untuk menilai tingkat pemisahan antar klaster. Hasil evaluasi menunjukkan bahwa metode DBSCAN memberikan performa paling optimal dengan nilai Silhouette Score sebesar 0,2502 dan Davies-Bouldin Index sebesar 0,4487. Metode K-Means memperoleh Silhouette Score sebesar 0,2258, dan Davies-Bouldin Index sebesar 1,2295, sedangkan SOM menunjukkan performa terendah dengan Silhouette Score sebesar 0,0756 dan Davies-Bouldin Index sebesar 2,6503. Visualisasi hasil klasterisasi melalui PCA dan boxplot turut mendukung temuan tersebut, dengan DBSCAN menunjukkan pemisahan klaster yang paling jelas dan alami. Berdasarkan hasil tersebut, DBSCAN direkomendasikan sebagai metode utama dalam klasterisasi harga komoditas pasar, terutama untuk eksplorasi pola harga dan segmentasi pasar berbasis data. Temuan ini diharapkan dapat menjadi landasan bagi pengambilan kebijakan yang lebih adaptif dan responsif terhadap dinamika harga pangan di lapangan.