PERBANDINGAN JARAK EUCLIDEAN, MANHATTAN, DAN CANBERRA PADA ALGORITMA K-MEANS (STUDI KASUS: Pengelompokkan Provinsi Di Indonesia Berdasarkan Produksi Tanaman Pangan)

ABSTRAK
Tanaman pangan merupakan salah satu subsektor yang paling penting, karena subsektor ini menghasilkan bahan pangan untuk kelangsungan hidup masyarakat Indonesia. Analisis clustering merupakan salah satu metode yang dapat digunakan untuk melakukan proses pengelompokan, salah satunya k-means clustering di aplikasikan terhadap data produksi tanaman pangan, padi, jagung, kedelai, kacang hijau, kacang tanah, ubi jalar, dan ubi kayu di masing–masing provinsi di Indonesia, sehingga diketahui pengelompokkan provinsi berdasarkan data tersebut. Proses pengelompokkan dilakukan di 34 provinsi di Indonesia menggunakan metode k-means cluster dengan jarak euclidean, manhattan, dan canberra. Hasil penelitian ini diperoleh jarak terbaik yaitu jarak manhattan berdasarkan nilai sum of square between (SSB)/sum of square total (SST) sebesar 92.19?n jumlah cluster optimal yang diperoleh sebanyak dua cluster. Sehingga pengelompokkan 34 provinsi dengan jarak manhattan, pada kelompok 1 merupakan daerah produksi tanaman pangan sedikit dan kelompok 2 daerah produksi tanaman pangan tinggi.

Kata Kunci: Tanaman Pangan, Analisis Clustering, K-Means, Jarak Manhattan.